《表2 实验混淆矩阵：基于终端数据的电信承载网异常节点定位方法》
提示：宽带有限、当前游客访问压缩模式
评价过程中的混淆矩阵如表2所示。采用:
| 图表编号 | XD0067425200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 单文波、陈博伶、钟秋浩、王建新 |
| 绘制单位 | 中南大学信息科学与工程学院、中国电信股份有限公司湖南客户支撑中心、中南大学信息科学与工程学院、中南大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 混淆矩阵：基于样本重采样的电路非平衡数据预处理方法》2020.11.01
- 《表5 混淆矩阵：基于稀疏子空间的局部异常值检测算法》2020.10.01
- 《表2 实验结果对比：低压配电网非侵入式电力负荷异常数据辨识方法》2020.09.25
- 《表2 混淆矩阵数据：Web用户异常行为检测的优化研究》2021.02.15
- 《表2 混淆矩阵：基于t-SNE降维预处理的网络流量异常检测》2021.02.01
- 《表2 混淆矩阵：基于弹性网的深度去噪自编码器异常检测方法》2020.06.16
- 《表5 混淆矩阵：基于Twitter数据的地点分类方法研究》2020.04.30
- 《表1 混淆矩阵表：机器学习在电信客户离网预测中的应用》2020.05.01
- 《表1 实验参数设置：基于RFID扫描的异常数据定位系统设计》2020.04.20
- 《表4 混淆矩阵：基于多分辨率网格的异常检测方法》2020.09.01
- 《表4 基于混淆矩阵的节点“下游总用水量”精度验证》2020.05.25
- 《表5 混淆矩阵：基于数据增强和模型更新的异常流量检测技术》2020.02.10
- 《表2 混淆矩阵：基于节点地位和相似性的社交网络边符号预测》2020.02.01
- 《表1 混淆矩阵：基于边界混合重采样的非平衡数据分类方法》2020.01.01
- 《表2 混淆矩阵：采用混合模型的电信领域用户流失预测》2019.12.15
- 《表2 测试数据诊断结果：基于分层结构神经网络的10kV配电网单相接地故障区段定位方法》2019.11.25
- 《表3 混淆矩阵：基于模糊核聚类和主动学习的异常检测方法》2019.10.15
- 《表1 混淆矩阵：基于数值预测的数据处理与模型评估方法综述》2019.06.25
- 《表5 混淆矩阵：基于行波特征量与堆叠自动编码器的电缆早期故障定位方法》2019.08.20
- 《表2 混淆矩阵：Spark环境下基于综合权重的不平衡数据集成分类方法》2019.02.01