《表1 算法性能对比(规模因子为1GB时)》

  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

《基于差分进化和极限学习机的并发查询性能预测》

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

（1）实验一对比DE-ELM与DE-BP、DE-DENN的预测精度。由于DE-ELM方法利用DE同步优化特征子集和ELM的结构，实验从两方面进行评估:ELM的训练效果和特征选择的效果。表1和表2给出了算法在不同TPC-DS规模因子下性能对比的统计结果，包括预测精度、选择的特征数目n、选择的隐藏层神经元数目L。每组对比的最优值用粗体标出。独立运行10次实验。可以看出，DE-ELM在所有样本集上的预测精度都是最高的，在8个样本集上的平均精度超过80%。DE-DENN在1个样本集上的平均精度超过80%，而DE-BP仅在2个样本集上的平均精度超过70%。对于所有的12个样本集，DE-ELM在10个样本集上的标准差是最低的。DE-ELM在所有样本集上的平均特征数目最低，为37.24，DE-BP和DE-DENN相当，分别为40.30和40.31。此外，DE-ELM在10个样本集上的平均特征数目都是最低的。