《表3 不同结合规则的分类精度》
对于所有的数据集,惩罚参数C=10,并使用了高斯径向基函数(σ=0.5)和对称的S-形核函数(p1=2,p2=0.8).实验进行了10次随机抽样.由于将多个分类器结合所需要的时间和在子簇上训练出最优分类器所花费的时间比较起来可以被忽略,所以训练时间和测试时间几乎不随结合规则的变化而变化.测试精度反应了算法的泛化能力.表3显示了在训练集和测试集上的平均分类精度.“Ker”是“kernel function”的缩写,“Gau”代表“Gaussian kernel”,“Sig”代表“sigmoid kernel”.
图表编号 | XD0017160500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.01 |
作者 | 方佳艳、刘峤、吴德、秦志光 |
绘制单位 | 电子科技大学信息与软件工程学院、网络与数据安全省级重点实验室(电子科技大学)、电子科技大学信息与软件工程学院、网络与数据安全省级重点实验室(电子科技大学)、西安电子科技大学计算机学院、电子科技大学信息与软件工程学院、网络与数据安全省级重点实验室(电子科技大学) |
更多格式 | 高清、无水印(增值服务) |