《表4 两种算法选择策略和分类准确率比较》
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。
图表编号 | XD00190601500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 庞俊、黄恒、张寿、舒智梁、赵宇海 |
绘制单位 | 武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室、武汉科技大学计算机科学与技术学院、武汉科技大学计算机科学与技术学院、武汉科技大学计算机科学与技术学院、东北大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |