《表4 Spambase数据集上实验结果的比较》
上述实验结果表明,本文提出的基于划分融合的非平衡SVM分类算法,可以有效提取负类样本中有价值的增量样本,DFISVM算法通过划分信息粒,有效提取支持向量样本,通过融和冗余粒,删除大量对分类不起作用的样本,增强了样本分布的平衡性,提高了SVM对于非平衡数据集的分类性能。
图表编号 | XD00209858900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 程凤伟 |
绘制单位 | 太原学院计算机科学与工程系 |
更多格式 | 高清、无水印(增值服务) |
上述实验结果表明,本文提出的基于划分融合的非平衡SVM分类算法,可以有效提取负类样本中有价值的增量样本,DFISVM算法通过划分信息粒,有效提取支持向量样本,通过融和冗余粒,删除大量对分类不起作用的样本,增强了样本分布的平衡性,提高了SVM对于非平衡数据集的分类性能。
图表编号 | XD00209858900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 程凤伟 |
绘制单位 | 太原学院计算机科学与工程系 |
更多格式 | 高清、无水印(增值服务) |