《表2 不同特征的类别可分性测度》
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。
图表编号 | XD00127568800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 田甜、温广瑞、张志芬、徐斌 |
绘制单位 | 西安交通大学智能仪器与监测诊断研究所、西安交通大学智能仪器与监测诊断研究所、新疆大学机械工程学院、西安交通大学智能仪器与监测诊断研究所、西安交通大学智能仪器与监测诊断研究所 |
更多格式 | 高清、无水印(增值服务) |