《表2 SVM基分类器下的10%标记数据实验》

  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

《三重集约束下的自适应SSLBoost分类方法》

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

分别在三种不同基分类器下进行分类实验，对每组数据进行准确率对比，在不平衡度较大的数据集上取得了良好的实验效果。实验中基分类器SVM的惩罚系数为1.0，核函数采用RBF核，单层ANN激活函数采用Re LU，优化器设置为Adam。在标记数据占比10%的参数环境下验证算法的适应性与稳定性，并对不同均衡度的数据集在5%、10%、20%、30%、40%有标签数据集占比情况下对比分析了标记数据大小对于算法的影响，得到的实验结果如表2～4所示。