《表4 OMNIGLOT数据集对比实验结果》

  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

《面向多类别分类问题的子抽样主动学习方法》

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

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。