《表3 异常检测系统实验结果》
提示：宽带有限、当前游客访问压缩模式
3个实验的结果分别见表3～表5。
| 图表编号 | XD0050589000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.20 |
| 作者 | 章坚武、黄佳森、周迪 |
| 绘制单位 | 杭州电子科技大学、杭州电子科技大学、浙江宇视科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 实验结果对比：自适应步长移动窗PCA的辊道窑异常检测方法》2020.10.20
- 《表2 Fashion-MNIST数据集在各种异常检测方法下的实验结果对比（单位：%）》2021.01.15
- 《表1 MNIST数据集在各种异常检测方法下的实验结果对比（单位：%）》2021.01.15
- 《表2 异常数据检测性能实验》2021.02.05
- 《表1：实验结果：基于卷积神经网络的计算机网络流量异常检测》2020.12.01
- 《表1 实验结果统计：基于便携式检测设备的配电柜异常发热检测技术》2020.11.25
- 《表1 实验案例的异常检测阈值》2020.06.05
- 《表3 被测程序实验结果：基于符号执行的异常处理结构体覆写攻击自动检测方法》2020.05.01
- 《表1 异常事件检测实验结果》2020.03.25
- 《表2 实验组慢性肾病患者的血清胱抑素C异常检测率、尿素氮异常检测率、肌酐异常检测率比较[n(%)]》2020.02.25
- 《表1 实验对比结果：混沌改进鱼群算法及其在工业控制网络异常检测中的应用》2020.03.20
- 《表1 各年龄组相关实验室检测异常增高结果统计》2020.04.15
- 《表3 实验结果：基于DAPA的卷积神经网络Web异常流量检测方法》2020.02.10
- 《表3 实验室检查异常结果》2020.01.18
- 《表4 实验结果：基于模糊核聚类和主动学习的异常检测方法》2019.10.15
- 《表2 实验结果对比：基于深度神经网络的异常流量检测算法》2019.06.10
- 《表1 实验结果分析：物联网异常流量检测算法研究》2019.02.10
- 《表1 人群行为异常检测对比实验》2019.04.25
- 《表3 异常行为检测实验样本设置》2018.02.05
- 《表3 实验所用数据集：基于NMEA-BP的WSN数据流异常检测算法》2018.05.01