《表2 数据集实验运行时间》
s
通过真实数据集实验来对比验证DPLWD方法的性能优势。表1为来自于UCI机器学习库的13个真实数据集,他们具有不同的规模大小和维度。本实验环境为Matlab R2016a、Intel CPU 2.5GHz、内存8G。DPLWD方法只需确定k最近邻距离个数,利用人工干预的方法确定最佳的k值,并与经典的LOF方法[22]、ABOD方法[23]和SVM检测方法[24]在运行时间、精确度和召回率曲线下的面积(area under the precision-recall curve,简称AUCPR)等性能指标进行对比,结果如表2、表3所示。
图表编号 | XD0060738700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 曾情、首照宇、赵晖、张彤 |
绘制单位 | 桂林电子科技大学信息与通信学院、桂林电子科技大学信息与通信学院、桂林电子科技大学信息与通信学院、桂林电子科技大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |