《表5 实验结果的检测率和误报率》
为了验证SSAE-PNN模型检测网络入侵的性能,本文的对比试验采用的算法分别为:经典的机器学习算法支持向量机(SVM)、传统的概率神经网络(PNN)和结合主成分分析的概率神经网络(PCA-PNN).实验结果如表4和表5所示.
图表编号 | XD0094892800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 熊雨坤、王怀彬 |
绘制单位 | 天津理工大学计算机科学与工程学院、天津理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |
为了验证SSAE-PNN模型检测网络入侵的性能,本文的对比试验采用的算法分别为:经典的机器学习算法支持向量机(SVM)、传统的概率神经网络(PNN)和结合主成分分析的概率神经网络(PCA-PNN).实验结果如表4和表5所示.
图表编号 | XD0094892800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 熊雨坤、王怀彬 |
绘制单位 | 天津理工大学计算机科学与工程学院、天津理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |