《表3 混淆矩阵：基于SSAE-PNN算法的网络入侵检测研究》
提示：宽带有限、当前游客访问压缩模式
其中，TP为正确地分类为攻击的样本数量，FP为错误地分类为攻击的样本数量，TN为正确地分类为正常的样本数量，FN为错误地分类为正常的样本数量.具体的关系可以用混淆矩阵清晰地表示，如表3所示.
| 图表编号 | XD0094893000 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） |
相关图表
- 《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 混淆矩阵：基于DNN-FM模型的网络入侵检测研究》2021.02.01
- 《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3 混淆矩阵：基于Spark的决策树算法对航班延误预测研究》2021.02.05
- 《表6 分类结果混淆矩阵：基于集成学习投票算法的Android恶意应用检测》2020.11.15
- 《表1 分类结果混淆矩阵：基于SSD的小目标特征强化检测算法》2021.02.15
- 《表2 混淆矩阵：基于卷积神经网络和XGBoost的摔倒检测》2020.08.25
- 《表3 片段预测混淆矩阵：基于LSTM-CNN的睡眠呼吸暂停与低通气事件实时检测算法研究》2020.06.20
- 《表2 混淆矩阵：基于思维进化算法优化S-Kohonen神经网络的恶意域名检测模型》2020.06.10
- 《表3 混淆矩阵：基于微波水分仪的仓储霉变烟叶检测与研究》2020.04.30
- 《表2 混淆矩阵：基于Stacking模型融合的勒索软件动态检测算法》2020.02.10
- 《表2 3种模型混淆矩阵：基于机器学习算法的广西桉树适宜性研究》2020.02.20
- 《表3 混淆矩阵：基于SVM的ICMP网络存储隐蔽信道检测》2020.02.05
- 《表4 混淆矩阵：基于文本挖掘技术的网络舆情特征研究》2019.10.01
- 《表4 实验结果的准确率：基于SSAE-PNN算法的网络入侵检测研究》2019.10.01
- 《表2 实验数据集：基于SSAE-PNN算法的网络入侵检测研究》2019.10.01
- 《表3 混淆矩阵定义：基于IG-DNN混合决策算法的糖尿病预测研究》2019.08.15
- 《表3 混淆矩阵：基于深度信念网络的烟叶部位近红外光谱分类方法研究》2019.04.25
- 《表2 混淆矩阵：基于LSTM神经网络的SQL注入攻击检测研究》2019.12.01
- 《表1 二分类混淆矩阵：基于随机森林算法的电线覆冰检测技术》2018.12.01