《表2 混淆矩阵：多级优化BP神经网络的异常流量检测》

  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

《多级优化BP神经网络的异常流量检测》

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

将处理过后的数据集随机分布后作为训练集和测试集，然后选择K折交叉验证方法来计算数据的正确率，其中K折交叉验证的参数K取值为10。在异常检测中为解决数据不平衡带来指标评估的不良影响，本文建立混淆矩阵来验证实验模型[15]。样本测试数据中的检测异常流量、检测正常流量分别由矩阵中的TP（True Positive）和TN（True Negative）表示，识别错误的异常流量和正常流量分别由FN（False Negative）、FP（False Positive）表示，具体见表2。