《表2 数值型数据集的SVM的平均分类精度》

  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

《基于灰色关联分析的类中心缺失值填补方法》

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

每个数据集的最好的结果用黑体标记出来了，显然，根据表2给出的结果可知，所提出的GCCM-VI方法在5个数值型数据集上取得了最高的分类精度，且相比于其他方法，分类精度增加了10%～24%，而均值填补法（Mean）在ionosphere和waveform两个数据集上效果最好，且与GCCMVI间的差距较大．此外CCMVI在ecoli数据集上取得了最好的分类效果，与GCCMVI间的差距较小．这意味着对于不同的数据集，加上或减去标准差对结果的影响可能与数据集自身的分布相关．且总的来说，加上标准差（+）比减去标准差（-）的精度高一些，但两者间没有显著的差距．GCCMVI的填补误差普遍都低，是因为在数据集预处理时采用了最小最大标准化，去除了维度的影响，从而提高了填补效果．