《表4 PC4数据集算法的时间成本》
s
实验结果表明,采用LLE算法降维处理对邻域点数目的依赖性较大,属性约减的同时,也除去了数据的重要特征.改进LLE算法是在LLE算法的基础上将KNN中根据欧氏距离选取领域点改进为取成对距离(Pairwise距离).以上两种算法预测结果并不理想,针对不同的数据集,改进LLE算法预测效果提高的程度不同,说明LLE算法具有不稳健的解.采用PCA算法在不同数据集上的表现不一致,对于较大的数据集,准确度提高了2%,数据集较小时,评价指标不会提升.LTSA算法能得到更稳定的解,准确度在在两者数据集上分别提高6%和1%左右,线性LTSA算法能在数据集维度和邻域值较小的情况下,达到和LTSA算法近似的结果,并且该算法可直接映射新的样本点,得到显式的映射函数,不需要重新学习高维空间的流行结构.以下表4比较了LTSA和线性LTSA算法的时间成本耗费.
图表编号 | XD0045714600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 王玉红、范菁、曲金帅、冯景义 |
绘制单位 | 云南民族大学云南省高校信息与通信安全灾备重点实验室、云南民族大学云南省高校信息与通信安全灾备重点实验室、云南民族大学云南省高校信息与通信安全灾备重点实验室、云南民族大学云南省高校信息与通信安全灾备重点实验室 |
更多格式 | 高清、无水印(增值服务) |