《表3 WV、DRCW-OVO以及DRCW-SEG的实验结果》

  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

《基于分解策略处理多分类不均衡问题的方法》

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

表5给出了DRCW-SEG算法与其他经典方法的全部实验结果，从平均结果来看，DRCW-OVO算法的平均结果达到了79.49%，本文方法相比较于其他算法，具有明显的优势。表6给出了相应的Wilcoxon检验的统计结果，与SMOTEBagging和NBSVM方法相比，本文DRCW-SEG的性能具有显著的优势，因为相应的p值分别为0.004 853和0.002 263，明显小于5%的显著性水平；另一方面，与Ov Ada和SMOTEBoost方法相比，本文DRCW-SEG的优势虽然没有达到5%的显著性水平，但从平均结果和排序结果来看，也可以看出DRCW-SEG具有一定的优势。