《表4 4组实验中各类别正确率汇总》

  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

《非均衡数据下基于卷积神经网络的专利文本自动分类研究》

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

根据混淆矩阵整理4组实验各类别的正确率，如表4所示。可以看出，虽然3种采样方法的整体正确率及其他三种评价指标都相对有所提升，但是从各类别的实际情况来看，RUS+CNN主要是改善了少数类样本（E/F）的分类效果；SMOTE+CNN在保证正确率提升、其他多数类别存在个别下降的情况下，整体性能提升不稳定；SMOTE+ENN+CNN的准确率是最高的，基本保障各类别的预测正确率相较于未处理之前都有所提升。