《表4 两种算法选择策略和分类准确率比较》

  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

《DE-ELM-SSC~+半监督分类算法》

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

本节在5个真实数据集上比较了DE-ELM-SSC与DE-ELM-SSC+在测试数据集的分类准确率和训练时间。实验结果如表4所示：与DE-ELM-SSC算法相比，DE-ELM-SSC+的训练时间更少，分类准确率更高。因为它采用了改进的自适应缩放因子策略，在种群迭代过程中既保持了初期种群的多样性，又加快了后期的收敛速度和搜索精度，进一步提高了基分类器SS-DE-ELM的分类准确率，从而提高了协同训练的分类准确率。因为策略选择在预处理阶段离线进行，所以表4中DE-ELM-SSC算法与DE-ELM-SSC+算法的训练时间是从训练基分类器到构建分类预测模型的时间，而未包含策略选择所用时间。