《表3 对比实验结果：基于半监督学习的Web安全事件检测模型》
提示：宽带有限、当前游客访问压缩模式
另外，实验还与有监督学习的DNN模型进行了结果对比。DNN使用全部有标签的数据。实验结果如表3所示。
| 图表编号 | XD0095070400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 贾晨 |
| 绘制单位 | 国家计算机网络与信息安全管理中心江苏分中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型对比结果：基于半监督与词向量加权的文本分类研究》2020.09.15
- 《表1 各模型的F1分数：基于平均教师模型的弱标记半监督声音事件检测》2020.10.01
- 《表5 3种模型实验结果：基于机器学习的心律失常检测模型研究》2020.08.01
- 《表3 实验对比结果：基于联合模型的网络舆情事件检测方法》2021.03.05
- 《表2 模型结果比较：一种基于半监督学习的多维条件下电能表误差插值方法》2021.02.15
- 《表1 模型参数：一种基于半监督学习的多维条件下电能表误差插值方法》2021.02.15
- 《表2 基于全监督学习的边缘检测算法对比》2020.11.10
- 《表2 实验结果：基于RASP的Web安全检测方法》2020.11.20
- 《表2 实验数据集：一种基于样本选择的安全半监督分类算法》2020.02.28
- 《表3 各模型检测结果：基于深度学习的安全帽佩戴检测与跟踪》2020.06.01
- 《表1 实验结果：基于半监督学习的命名实体识别的方法》2020.01.25
- 《表2 聚类结果统计：基于半监督学习的网络应用流识别研究》2020.02.01
- 《表1 基于半监督学习、欧氏距离和余弦距离获得的患者相似性的聚类结果》2020.04.01
- 《表3 实验结果：基于DAPA的卷积神经网络Web异常流量检测方法》2020.02.10
- 《表2 测试准确率：基于半监督学习的Web安全事件检测模型》2019.04.01
- 《表1 数据集构成：基于半监督学习的Web安全事件检测模型》2019.04.01
- 《表1 数据集构成：基于深度学习的Web安全事件分析系统及其实现》2019.04.01
- 《表2 实验结果：基于深度学习的Web注入行为实时检测技术研究》2019.07.01
- 《表3 实验数据统计：面向Web图像检索的基于语义迁移的无监督深度哈希》2019.09.01
- 《表1 分类混淆矩阵：一种基于半监督学习的物联网入侵检测系统》2019.12.10