《表2 各个数据集的特性：一种面对大数据集的改进基于支持向量机的算法性能分析》

  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

《一种面对大数据集的改进基于支持向量机的算法性能分析》

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

从表2中可以看到分别对三个中等规模数据集进行测试得到的特性。各数据集的惩罚参数C=10，选择高斯径向基函数（σ=0.5）与S形核函数进行处理。总共开展10次随机抽样。相对于子簇上训练得到最优分类器的时间，结合多个分类器的时间可以忽略不计，因此在不同的结合规则下训练时间和测试时间保持不变。算法泛化能力可以利用测试精度进行评价。从表3中可以看到训练集与测试集各自对应的平均分类精度。可以明显发现，采用吸收规则可以达到最高分类精度，使用线性结合规则时得到的分类精度略小，这两者的分类精度都比吸收规则更高。其它核函数也适用相近的结论，此处不再对其具体分析。