《表8 手写数字识别数据集预处理裁剪率比较结果》

  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

《基于冗余度的KNN训练样本裁剪新算法》

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

最后，为验证本文所提的RBKNN算法对类不平衡问题的优化效果，使用斯坦福大学提供的手写数字识别数据集对算法进行了进一步测试。该数据集共有5 000个样本，10个类别，每个类别500个样本。将数据集随机均分成三份，一份作为训练集，一份作为测试集，并取最后一份中全部偶数类别样本作为补充训练集添加到训练集中。这样得到的训练集中的偶数类别样本数便是奇数类别样本数的两倍，以形成类不平衡的效果。本实验比较了本文提出的RBKNN算法和已有的DBKNN算法[16]。实验中所有参数与上一组实验一致，实验结果经过5次重复测试求平均值，具体比较结果如表7和表8所示。