《表2 实验结果的比较：基于Relief-LVQ的脑功能网络分类》

  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Relief-LVQ的脑功能网络分类》

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

从表2中可以看出，LVQ网络训练样本的准确性远低于Relief-LVQ网络的训练结果。在简单的LVQ网络训练中，具有大量相似度很高的特征，使得两种类型具有大面积重叠信息，从而导致网络收敛速度急剧下降，此外，学习速度和分类准确性也受到影响。通过Relief-LVQ网络训练样本，当通过Relief算法提取输入特征后，LVQ网络的分类精度大大提高。这是因为在通过Relief处理的重建样本集中克服了信息重叠的问题，数据的特征更加明显，可以提高LVQ网络的学习效率和准确性[10]。