《表3 带有标签噪声的模型分类精度》

  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

《基于加权Pin-SVM的钢板表面缺陷分类》

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

然后，为了验证WPin-SVMs模型在钢板表面缺陷分类中的抗标签噪声特性，本文又在原始的缺陷图像数据库中加入了部分标签噪声，同样对WPinSVMs、SVM、WSVM和Pin-SVM 4个算法进行测试，实验结果见表3所示，其中黑色加粗字体代表的是4个算法中分类精度最高的算法。从表3中可以得到这样的结论，相比于SVM和Pin-SVM算法，WPinSVMs和WSVM的分类精度要高一些，原因是WPinSVMs和WSVM算法中加入了训练样本的权重，当样本点是异常点和标签噪声时，该样本被赋予较小的权值，甚至赋0，因此降低了异常值或标签噪声对分类结果的影响。