《表2 异常检测结果对比：基于二元特征的断面交通数据异常检测与修正》
提示：宽带有限、当前游客访问压缩模式
为验证此异常检测算法的有效性，继续使用5月3日、5月4日、5月5日数据作为测试集。分别检测出对应数据集异常值，并计算出对应的误检率和检测率，如表2所示。
| 图表编号 | XD0091553000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.30 |
| 作者 | 康晋滔、成卫、张灵 |
| 绘制单位 | 昆明理工大学交通工程学院、昆明理工大学交通工程学院、昆明市公安局交警支队科信处 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 异常检测均值：基于BiGRU-SVDD的ADS-B异常数据检测模型》2020.10.25
- 《表2 结果分析：基于云计算的电力运行大数据异常值快速检测算法》2020.09.20
- 《表2 基准回归：基于超图的工业数据异常检测》2020.12.31
- 《表1 异常数据检测结果：用于电力数据管理分析的负荷预测与异常检测》2021.01.25
- 《表2 均值和标准差统计：基于XGboost模型的城市轨道交通列车运行速度实时异常检测研究》2021.03.01
- 《表1 模型评估指标对比：基于XGboost模型的城市轨道交通列车运行速度实时异常检测研究》2021.03.01
- 《表3 节点检测时间数据：基于自学习的组网式交通信号灯异常检测研究》2021.03.01
- 《表5 样本数据特征分析：基于孤立森林算法的取用水量异常数据检测方法》2020.02.01
- 《表3 样本数据特征分析：基于孤立森林算法的取用水量异常数据检测方法》2020.02.01
- 《表1 冗余特征约简对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表3 基于日志数据的异常检测方法对比分析》2020.07.01
- 《表1 1 对比结果：基于智能电表大数据的异常用电检测》2020.06.28
- 《表1 异常数据检测结果：基于算法以及小波分析的智能卡消费数据异常检测》2020.07.10
- 《表1 速度异常值检测与修正结果》2020.03.28
- 《表4 检测精度数据：基于聚类分析的高维数据异常特征光流检测系统》2019.12.25
- 《表4 异常管节修正后里程与国外检测器检测结果对照表》2019.10.28
- 《表4 修正数据误差对比：基于二元特征的断面交通数据异常检测与修正》2019.09.30
- 《表2 实验结果对比：基于深度神经网络的异常流量检测算法》2019.06.10
- 《表1 异常数据分析结果：基于Spark和小波分析的水上交通异常数据实时检测方法研究》2019.02.20
- 《表1 仿真交通异常点KS检测结果表》2018.03.25