《表1 不同算法的分类表现》

  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

《基于模糊C-均值的相似性特征转换光滑支持向量机》

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

为了便于比较，不同算法的参数设置相同，惩罚常数C=1，采用高斯径向基函数k（x，y）=exp（-‖x-y‖2/σ2），核宽度设为δ=0.1.对于不同子簇产生的多个分类器，采用线性组合方式得到最终的决策函数.针对不同的子簇数量，表1反应了新模型的算法性能随着子簇数量的变化，并和SVM、SSVM、HSSVM三种算法作了对比.时间和精度分别代表在完整数据集上的训练时间和训练精度.子簇数量c=1代表在训练SSVM模型之前并没有做FCM集群.