《表4 PC4数据集算法的时间成本》

  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

《基于线性LTSA算法维数约减的软件缺陷预测研究》

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

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.