《表2 不同算法比较实验结果》
为证明模型的高效性进行了对比实验。实验选取了支持向量机、决策树、朴素贝叶斯、随机森林等四种算法与本文方法进行对比。实验结果如表2所示。从表2可以看出,DNDF在体域网数据融合任务中获得了更高的准确率,其他算法则表现不佳。究其原因,朴素贝叶斯算法在进行数据分类时忽略了数据之间的相关性,而在体域网数据中,数据之间相关程度较高;支持向量机算法和随机森林算法则忽略了体域网数据中的形状特征,导致特征提取效果不佳,从而未取得较好结果。
图表编号 | XD00198009700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 张辉、王杨、李昌、张鑫、赵传信 |
绘制单位 | 安徽师范大学皖江学院、安徽师范大学计算机与信息学院、安徽师范大学计算机与信息学院、安徽师范大学计算机与信息学院、安徽师范大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |