《表1 算法性能对比(规模因子为1GB时)》
(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。
图表编号 | XD00102870900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 陈于思、孙林夫 |
绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |