《表2 实验中使用的算法参数设置》

  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

《有新类的动态数据流分类算法研究》

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

KCRForest算法是在基于隔离异常点思想的SENCForest算法框架上改进，在完全随机森林的决策中融入样本的k近邻策略，基于样本的k近邻计算样本离群值。本文选择3种方法SENCForest[15]、i Forest[14]+SVM、LOF[16]+SVM与KCRForest算法进行性能对比。其中i Forest算法与LOF算法为异常点检测算法，将其与SVM算法组合后对测试样本进行新类检测与分类。SVM的程序调用libsvm[17]工具箱，核函数为高斯径向基函数，类型为C-SVC。SENCForest程序来源于机器学习与数据挖掘研究所提供的代码[15]。实验中算法的参数如表2所示，其中算法参数表示的含义与本文第2章KCRForest算法表示一致（N为树的数量；Di为训练子样本集；Minsize为叶节点最小样本数）。