《表2 不同算法比较实验结果》

  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

《基于深度神经决策森林的体域网数据融合方法》

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

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。