《表6 不同文本特征处理方式下的上帝类检测结果》
此外,为了回答研究问题3,我们分别将全连接神经网络、卷积神经网络以及长短时记忆网络这3种网络模型运用于分类器中的文本特征处理环节.各分类器经过调优后在同一测试集上的具体表现见表6.需注意的是,表中3种神经网络分类器除文本特征提取环节所用模型不同外,网络其余部分均保持一致.其中,第2列~第4列数据相关的分类器采用长短时记忆网络处理代码文本特征信息,第5列~第7列所对应的全连接神经网络在文本特征提取部分的隐含层激活函数为sigmoid函数,第8列~第10列相关分类器则采用三层一维卷积神经网络进行文本特征提取.
图表编号 | XD0056208900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 卜依凡、刘辉、李光杰 |
绘制单位 | 北京理工大学计算机学院、北京理工大学计算机学院、北京理工大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |