《表1 各算法在UNSW-NB15数据集上的分类结果》
提示：宽带有限、当前游客访问压缩模式
（注：表1中SVM算法的最优参数为经验值）
评价指标采用准确率和F1值。通过实验对测试数据进行分类，其结果如表1所示。
| 图表编号 | XD00226776500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.10 |
| 作者 | 张金霜、梁树杰、左敬龙 |
| 绘制单位 | 广东茂名幼儿师范专科学校教育信息技术中心、广东茂名幼儿师范专科学校教育信息技术中心、广东石油化工学院网络与教育信息技术中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 各分类算法在App级单向流数据集上的实验结果》2020.11.05
- 《表5 各分类算法在App级双向流数据集上的实验结果》2020.11.05
- 《表8 各分类算法在功能级单向流数据集上的实验结果》2020.11.05
- 《表7 各分类算法在功能级双向流数据集上的实验结果》2020.11.05
- 《表1 各算法在不同数据集上的测试结果对比》2020.12.15
- 《表4 各算法在Pavia University数据集上的分类精度及其他指标》2020.05.16
- 《表1 各算法在Indian Pines数据集上的分类精度标准差及其他指标》2020.05.16
- 《表6 各算法在Salinas数据集上的分类精度及其他指标》2020.05.16
- 《表7 两种算法在SPECT数据集上的分类结果》2020.05.16
- 《表4 各算法在12个UCI数据集上的分类错误率》2020.05.01
- 《表2 各算法在Pavia University高光谱数据集上的分类结果对比》2020.05.01
- 《表1 各算法在Indian Pines高光谱数据集上的分类结果对比》2020.05.01
- 《表1 各算法在UCML数据集上的分类效果》2019.10.01
- 《表2 各算法在UCI数据集上的分类结果》2019.08.01
- 《表2 R-C-APSO与对比算法在各数据集上的平均分类精度》2019.02.01
- 《表1 各算法在35个数据集上的分类误差 (均值±标准差) 汇总表》2019.01.01
- 《表3 4种算法在Botswana数据集上的分类结果 (%)》2018.10.25
- 《表2 7种算法在Salinas A数据集上的分类结果 (%)》2018.10.25
- 《表1 4种算法在Salinas A数据集上的分类结果 (%)》2018.10.25
- 《表4 5种算法在Botswana数据集上的分类结果 (%)》2018.10.25