《表3 优化算法的准确率及运行时间》

  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

《结合遗忘特性的多任务多核在线学习算法》

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

而在Covertype Data数据集中，FP-MTMKOL的准确率依旧是比较好的，但运行时间不如ADA-MTOL算法，因此，在数据集的数量非常大的情况下，使用上述核函数选择方式的算法在时间上没有显示出优势。其原因是，尽管在开始时FP-MT-MKOL的收敛时间要小于其他3种算法的收敛时间，但是在算法模型趋于稳定后，当FP-MTMKOL需要进行模型更新时，核函数的计算就会占用大量的时间，然而在算法模型稳定后，模型的更新只需要小幅度的调整，最初选择核函数的种类及个数就显得有些冗余，因此，借鉴本文中的遗忘思想，对核函数进行遗忘。由于所有核函数的权重总和为1，本文通过设置一个阈值0.1，当核函数的权重衰减到小于阈值的情况时，将这个核函数删除，以减少核函数的个数进而以减少算法的计算量，节约算法所需的运行时间，表3展示了遗忘变量引入后，算法的准确率及运行时间。