More algorithms have higher average

More algorithms have higher average accuracies on the gigabit infrastructure dataset than on the megabit infrastructure dataset.

This is mostly due to losses in gigabit LRTT classification accuracies on Meg-Backbone data.

Such losses are results of megabit-infrastructure “squeezing” limiting the separation of wireless from wired ACK-pair LRTTs.

Note that megabit infrastructure effects FIN- and SYN-LRTTs as well, but not nearly as much.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมเพิ่มเติมมี accuracies สูงกว่าค่าเฉลี่ยในชุดข้อมูลโครงสร้างพื้นฐานกิกะบิตมากกว่าบนชุดข้อมูลโครงสร้างพื้นฐานหน่วยเมกะบิต นี้เป็นส่วนใหญ่เนื่องจากขาดทุนใน accuracies ประเภท LRTT กิกะบิตข้อมูลแกนหลักเม็ก ขาดทุนดังกล่าวมีผล "squeezing" จำกัดคัดแยกของไร้สายจาก LRTTs ACK คู่สายพื้นฐานหน่วยเมกะบิต หมายเหตุโครงสร้างพื้นฐานที่หน่วยเมกะบิตลักษณะครีบ - และ SYN-LRTTs เช่นกัน แต่ไม่เกือบมากที่สุด

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการอื่น ๆ มีความถูกต้องสูงกว่าค่าเฉลี่ยในชุดข้อมูลโครงสร้างพื้นฐานกิกะบิตกว่าชุดโครงสร้างพื้นฐานเมกะบิต. นี้เป็นส่วนใหญ่เนื่องจากการสูญเสียความถูกต้องในการจัดหมวดหมู่กิกะบิต LRTT กับข้อมูล Meg-Backbone. การสูญเสียดังกล่าวเป็นผลจากการเมกะบิตโครงสร้างพื้นฐาน "บีบ" การ จำกัด การแยก ไร้สายจากสาย LRTTs ACK-คู่. ทราบว่าผลกระทบโครงสร้างพื้นฐานเมกะบิต FIN- และ SYN-LRTTs เช่นกัน แต่ไม่ได้เกือบเท่า

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีเพิ่มเติมได้เฉลี่ยสูงกว่าความถูกต้องใน Gigabit โครงสร้างพื้นฐานข้อมูลกว่าในกิโลบิต โครงสร้างพื้นฐานข้อมูล .

นี้เป็นส่วนใหญ่เนื่องจากการขาดทุนในพอร์ต lrtt หมวดหมู่ความถูกต้องข้อมูลเป็นแกนหลัก

เช่นการสูญเสียผลของกิโลบิต โครงสร้างพื้นฐาน " บีบ " การแยกไร้สายจากสายคู่ lrtts . .

ทราบว่าผลกระทบโครงสร้างพื้นฐานและกิโลบิตครีบ ; Related lrtts เช่นกัน แต่ไม่มากเท่า