《表2 不同缺失率下各种补值方法的均方误差根（NRMSE)》

  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

《开放骨架磷酸铝定向合成反应预测研究》

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

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.