《表7 不同团簇连接的预测准确率比较》

  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

《基于团簇随机连接的CliqueNet航班延误预测模型》

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

图6和表8是团簇之间不同转换层的实验结果比较。如1.2节所述，CSAR模块分别对通道维度和空间维度作出特征标定，如图6(a）所示，与SE模块只对通道维度作出标定相比，CSAR模块最后的预测分类准确率要高出0.9个百分点。嵌入不同的转换层对网络的复杂程度及参数量的增长几乎可以忽略不计，在训练过程中，损失值表示预测数值和真实值接近程度，损失值越小表示越接近真实值。从图6(b）和表8中可以看出，引入CSAR模块将网络损失值减小至0.17左右并趋于稳定，表示网络拟合度刚好，没有出现过拟合和欠拟合的现象，这说明对转换层进行改进可以更好地训练模型。对比表8和表7的数据可以看出，预测准确率均有所提升，其中CSAR模块的引入将网络最终准确率维持在93.4%左右。