《表2 不同算法在加入噪声的标准数据集上的准确率和标准差》

  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

《基于pinball损失的一对一加权孪生支持向量机》

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

同时，针对UCI中的数据集分别加入5%和10%的特征噪声，并与OVO-TWSVM、Pin-OVO-TWSVM和提出的算法Pin-OVO-STWSVM进行比较，实验结果如表2所示，其中样本的权重采用模糊C均值法确定，噪声采用均值为0且方差为1的高斯分布．可以看到，在12个数据集中，仅在Balance数据集添加5%的噪声和为Thyroid数据集添加10%噪声的情况下，准确率与OVO-TWSVM算法相当，而在其他数据集的分类结果均高于OVO-TWSVM算法．