《表1 K-means算法与BP算法胜率对比》

  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

《一种基于无监督学习的博弈算法设计》

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

首先，在不同训练样本数下，比较了本文设计的K-means网络方法与BP网络的对战胜率。所有测试在10 000种状态下进行，表1总结了测试结果。用于训练K-means均值神经网络的状态数如第1列数字所示，用于训练BP神经网络的状态数如第1行数字所示，表格内的数字为K-means网络算法对战BP网络算法的胜率。通过表1可以看出，在相同的训练情景数下，本文提出的K-means改进型网络算法的胜率保持在50%以上。当样本数为10000时，由于2种方法都收敛到实际的获胜率，因此获胜率接近50%。由此可见，本文提出的算法在对战传统BP网络算法中具有优势，尤其在训练样本较少的情况下，本文胜率较BP算法高出18.2%(1 000样本数），具有较好的收敛效果。