《表6 UCI数据集的信息》

  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

《结构化支持向量机研究综述》

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

为了对比分析各种结构化支持向量机的性能，验证其优点，进一步寻找算法改进的方向。结合前面论述，从聚类层次结合结构化支持向量机的发展历程，选取三组比较有代表性的SVM-SRSVM、TWSVM-STWSVM、NPSVM-SNPSVM进行对比实验；并选用自制数据（100×2）和UCI机器学习数据库中八个常用的数据集（见表6），以测试上述算法。为了保证实验的可靠性，将80%的数据样本作为训练数据，20%的数据样本作为测试数据，对训练数据，参数c和λ从{2-10，2-9，?，29，210}范围采用十字交叉验证法选择最优值；同时使用无监督聚类学习方式，先对训练数据进行聚类，聚类数目依据肘部法则[66]自动选取；接下来用选取的最优值对测试数据进行测试，评价算法的分类准确率。实验基于Matlab R2016b进行，硬件配置为8 GB内存，Intel?Core?i5处理器和3.30 GHz主频。表7、表8分别列出三组模型在八个数据集中的分类准确率和运行时间。图2～4分别为SVM与SRSVM、TWSVM与STWSVM和NPSVM与SNPSVM在自制数据集上运行结果对比图。图5（a）～(f）为三种模型分类准确率和运行时间对比图。