《表1 数据描述性统计：样本稀疏表达的标记分布学习算法》

  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

《样本稀疏表达的标记分布学习算法》

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

本文实验所用的11个数据集中，前8个来自于一组啤酒酵母生长生物实验中的真实数据，其中每个数据集都是一次真实实验的结果。此组数据集原有10个，由于本文主要研究借助标记相关性训练标记分布模型，所以去除了标记分布中标记数小于3的缺少标记间相关性的数据集。每个酵母基因数据集中包含2 465个基因实例，每个基因由一个长度为24的关联动植物轮廓向量描述，标记由生物实验中的离散时间点组成，用不同时间点的基因表达水平（已经过标准化）表示标记对实例的描述程度。SJAFFE、SBU-3DFE这两个数据集由应用十分广泛的面部表情图像数据集JAFFE、BU＿3DFE改造而来，均为标记分布数据集。SJAFFE、SBU-3DFE数据集的每幅图像都由6个基本表情构成的标记分布表示，每个表情对某张图像的描述度是60个志愿者1～5打分后标准化的平均值。HumanGene数据集是一个包含30 542个样本的大规模数据集，它来自于研究人类基因与疾病之间关系的真实生物实验数据，其标签空间由68种不同疾病组成。数据集的详细数据统计信息如表1所示。