《表1 人工线性可分样本实验Tab.1 Test on artificial linear swparable samples》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于压缩K近邻边界向量的支持向量预抽取算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验数据采用随机产生的两组200个高斯分布线性可分样本集，其中训练、测试样本各100个。正样本集x与y坐标服从均值为0、方差为1的高斯分布，负样本集x与y坐标服从均值为3.85、方差为1的高斯分布。支持向量机采用线性核函数，即K（x1，x2）=（x1，x2），支持向量的KNN预抽取算法中参数K=3。分别以原始样本、预抽取的KNN边界向量集、预抽取的CKNN边界向量集为训练样本，对支持向量机进行训练构建最优分类面，然后利用构建的最优分类面对测试数据进行分类实验，结果如表1所示，C-SVM分类面及KNN、CKNN、支持向量的分布情况如图2所示。