《表2 不同分类算法基于FSIGR特征选择算法构建分类预测模型实验结果》
注: 表中 ± 前面和后面的数据分别表示 10 次测试结果的平均分类精度和方差
由表2可知,本文方法的分类精度为97.341%,分类召回率为97.3%,平均绝对误差为0.048,特征子集维数为23,综合分类性能明显优于C4.5、REPTree和Naive Bayes算法。与KNN算法相比,虽然平均绝对误差高于KNN的0.328,但其综合性能优于KNN算法。由实验结果可知,本文提出的钓鱼网站检测方法分类性能明显优于C4.5、KNN、REPTree、Naive Bayes算法的分类性能,验证了本文方法的有效性。
图表编号 | XD0067688900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 周传华、柳智才、丁敬安、周家亿 |
绘制单位 | 安徽工业大学管理科学与工程学院、中国科学技术大学计算机科学与技术学院、安徽工业大学管理科学与工程学院、安徽工业大学管理科学与工程学院、早稻田大学IPS学院 |
更多格式 | 高清、无水印(增值服务) |