《表6 各个方法精确率、召回率与F1分数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的ADS-B异常数据检测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

前3种方法由于只使用了当前检测点的特征信息，没有考虑到当前点相邻时间内的目标变化信息，因而检测性能较低，且不能通过将目标锁定为序列的方式来提高。其中LOF召回率较高，能检测到更多真实的异常点，但其精确率较低。而由LSTM单元构成的神经网络对ADS-B时间序列虽然具有较好的异常检测效果，但因为在训练之前需要对所有数据进行人为标注，因而具有一定的局限性。具体实验结果如表6和表7所示，其中SeqLSTM表示由LSTM单元构成的神经网络。