《表4 OMNIGLOT数据集对比实验结果》
由于该数据集样本数量过大,且每个样本是784维的向量,经实验发现,处理这种规模的数据,使用传统主动学习的方法已经超出了计算机最大的处理能力。因此,为通过具体实验数值展示算法优劣性,不断减少数据集规模,最终发现当数据集规模删减为100类样本,共2 000个样本时,原始算法才能正常运行。具体实验结果如表4所示。在OMNIGLOT数据集上的实验充分证明,当数据量过大时,传统主动学习根本无法有效运行,然而使用SBAL算法可以正常运行。通过删减数据集规模,虽然传统算法能够勉强运行,但结果显示其准确率已经十分低,根本无法用于实际问题。相较而言,SBAL算法准确率提高了123%~195%,耗时缩减为原始策略的1/50。
图表编号 | XD00213540000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 施伟、黄红蓝、冯旸赫、刘忠 |
绘制单位 | 国防科技大学系统工程学院、国防科技大学系统工程学院、国防科技大学系统工程学院、国防科技大学系统工程学院 |
更多格式 | 高清、无水印(增值服务) |