《表2 不同特征的类别可分性测度》

  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

《一种新的复杂网络建模和特征提取方法及应用》

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

类别可分性测度是一种基于距离的特征评价函数，定义为样本中类内散度与类间散度的比值，可以评价一个特征子集的好坏程度，它的值越小，说明类间的可分性越好。相对于相同的分类器来说，好的类间可分性能够使分类器的识别率得到显著提高；而较为混杂、互相交叉的特征信息会使分类器的模式识别变得非常困难。下面将平均路径长度、聚类系数和度一起作为已有网络拓扑特征向量，与笔者所提子网络平均度特征（降到3维）从类别可分性测度的角度进行定量对比分析，对比结果如表2所示。由表2可以看出，本研究特征的类别可分性测度小于已有特征的类别可分性测度，说明本研究的特征在类别可分性方面优于已有网络拓扑特征，与上面定性分析结果一致。