《表2 各方法在9个多类UCI数据集上的性能比较》

  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

《可能性聚类假设的半监督分类方法》

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

（2）SSPCA与那5个最新方法在9种多类UCI数据集上进行比较的结果显示在表2中，其结构与表1相同。从表2中可看出，虽然，MeanS3VM-iter方法在CMC数据集上测试性能最佳，然而，SSPCA方法的测试性能与该方法也是非常接近；另外，SSCCM方法在数据集TAE上的性能略优于所提方法，其可能的原因是该数据集上的数据分布本身比较有规则，噪声或者异常数据少或是没有，而无法体现所提方法的优势。然而，可以很明显看出SSPCA在7个数据集上的测试性能均优于其他方法，并在平均测试性能上达到了最优。同样，SSPCA的一致率均接近1，即使在肺癌数据集上得到的一致率最差，其值也高达0.990 2。最后，由于所提方法是针对多类分类的，相较于在二分类的UCI数据集上的测试结果，该方法在多分类的UCI数据集上也具有明显优势。