《表2 不同缺失率下各种补值方法的均方误差根(NRMSE)》
文献[8]虽然使用了BP、KNN、LS和SVD四种补值方法,但是补值效果较好的是BP补值方法和KNN补值方法.因此本文在提出新的补值模型构建理论后同文献[8]使用的BP补值模型和KNN补值模型进行对比.表2列出了不同的补值模型在不同的缺失率下的实验结果.由实验结果可以看出本文提出的模型构建理论在缺失率较低时,得到补值误差有了明显的降低.针对F2参数,BP补值方法下降更显著.随着缺失率增加训练样本的减少,BP补值方法的性能有所降低.同时从表2可以看出考虑了溶剂和模板剂影响的KNN算法明显好于文献[8]中的KNN算法.KNN补值方法依然展现了不随缺失率增大而发生较大波动的特点,但是,相对于BP补值方法来说,KNN补值方法的缺陷在于补值过程中要完全依赖于数据集,而BP补值方法则不需要.
图表编号 | XD00151023100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 姚明海、李劲松 |
绘制单位 | 渤海大学信息科学与技术学院、渤海大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |