《表1 四种方法准确率：基于机器学习的入侵检测研究》
提示：宽带有限、当前游客访问压缩模式
从实验结果看，TSVM比SVM具有较高的分类作用，而经过KPCA降维后的数据再用分类器识别，具有更精准的检测效果。
| 图表编号 | XD00911200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 彭宁、任薇、范会丽 |
| 绘制单位 | 华北理工大学信息工程学院、华北理工大学信息工程学院、华北理工大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 图片识别结果：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表4 修改后的组块示例：基于机器学习的恶意命令检测方法》2020.11.10
- 《表5 基于知识的特征：基于机器学习的恶意命令检测方法》2020.11.10
- 《表1 文本向量化示例：基于机器学习的恶意命令检测方法》2020.11.10
- 《表6 实验结果：基于机器学习的恶意命令检测方法》2020.11.10
- 《表2 单类零件检测性能：基于深度学习框架的装配机器人零件实时检测方法》2020.10.01
- 《表1 迭代次数与召回率：基于深度学习框架的装配机器人零件实时检测方法》2020.10.01
- 《表5 SVM模型准确率：基于机器学习方法的上市公司财务预警模型对比研究》2020.04.15
- 《表2 LR模型准确率：基于机器学习方法的上市公司财务预警模型对比研究》2020.04.15
- 《表1 检测准确率对比：基于机器学习的军事目标检测系统开发研究》2020.08.05
- 《表2 基于传统机器学习方法的入侵检测解决问题对比》2020.07.01
- 《表1：基于机器学习的电网台区线损异常诊断方法研究》2020.06.01
- 《表2 未知攻击的结果：基于机器学习的入侵检测技术研究与实现》2020.04.01
- 《表1 已知攻击的结果：基于机器学习的入侵检测技术研究与实现》2020.04.01
- 《表9 预测准确率对比：珠联璧合：基于机器学习的网络借贷信用评分卡模型研究》2020.03.01
- 《表1 预测误差数据：基于机器学习的短期电力负荷预测方法研究》2019.12.10
- 《表3 模型时间效率比较：基于机器学习技术的非染色细胞凋亡检测分类新方法》2019.07.01
- 《表2 整个模型性能：基于机器学习的工业控制网络异常检测方法》2019.06.10
- 《表1 模型性能评估表：基于Python的机器学习入侵检测的研究》2019.08.01
- 《表1 模型性能评估表：基于Python的机器学习入侵检测的研究》2019.08.01