《表2 各类算法在不同数据集上的分类性能对比》
在实验设置中,将灰狼算法的个体数量初始化为15,惩罚参数及核参数初始化为[0,10]之间的随机值,将孪生支持向量机的核函数设置为高斯核。表2列出了采用默认参数(惩罚参数设置为1,核参数设置为2)的多分类支持向量机(OVO SVM)、多分类孪生支持向量机(OVO TWSVM,惩罚参数cij、cji分别设置为1,核参数设置为2)、采用网格搜索优化参数的多分类孪生支持向量机(Grid-MTWSVM)、采用灰狼算法优化参数的多分类孪生支持向量机(GWO-MTWSVM,以整体准确率作为适应度函数,各子分类器采用相同的惩罚参数及核参数)以及本文提出的GWO-MP-MTWSVM算法之间在不同数据集上10次随机实验的平均分类准确率ACC、F1值的对比。由表2可知,GWO-MP-MTWSVM算法无论是准确率ACC还是F1值,在所有数据集上分类效果都是最佳的。其中,OVO TWSVM在6个数据集上的性能高于OVO SVM,证明了相对于SVM,TWSVM不仅能够缩短运行时间,也能提高分类精度;Grid-MTWSVM在所有数据集上的性能都高于OVO TWSVM,证明了选择参数的重要性;GWO-MTWSVM在所有数据集上的性能都高于Grid-MTWSVM,说明了GWO算法具有良好的全局收敛性,因此GWO找到的参数值比网格搜索要好。GWO-MP-MTWSVM与GWO-MTWSVM都是通过灰狼优化算法寻找最优参数,GWO-MP-MTWSVM在所有数据集上的性能都大于GWO-MTWSVM,证明了本文提出的GWO-MP-MTWSVM算法的有效性。
图表编号 | XD00134736500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 周广悦、李克文、刘文英、苏兆鑫 |
绘制单位 | 中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |