《表6 5种多标签分类算法的对比结果》

  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

《基于静息态功能性磁共振成像的个体认知多标签分类》

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

分别选取这5种多标签分类算法最好的分类结果进行对比，用A1表示ML-kNN，A2表示hMuLab，A3表示LIFT，A4表示ML-LOC，A5表示GLOCAL。为了更清楚地在每一种评价指标上对比这5种算法，仿照Zhang等[10]的做法，引入了部分有序>。如表6中，在评价指标Hamming Loss上A1>A2表示算法A1在该指标上优于A2。部分有序>仅表示在特定的评价指标上衡量两个算法的相对性能，但是无法对算法做一个全面的评估。所以设定算法的起始分数均为零，对于任意两个算法A1、A2，在任意的评价指标上，如果有A1>A2，则A1得一分，A2扣一分。最终的总得分如表6所示，hMuLab得16分，ML-kNN得14分，LIFT得0分，ML-LOC得-14分，GOLCAL得-16分。