《表4 糖尿病性视网膜病变数据集的实验结果》

  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

《基于糖尿病性视网膜病变数据集的支持向量机优化算法比较》

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

选取在线性模式下对小样本分类较好的支持向量机算法为基础模型，分别采用基于原始的支持向量机、基于主成分分析优化的改进支持向量机、基于网格搜索优化的改进支持向量机，基于遗传算法进行参数优化的改进支持向量机和基于粒子群算法进行参数优化的改进支持向量机。由于支持向量机算法对核的选取不敏感，因此本研究所有实验算法的支持向量机核函数均采用径向基核函数，原始算法和主成分改进算法中的参数c初始值设置为100，参数g初始值设置为4，其余算法的参数c的范围为[0.1，100]，参数g的范围为[0.01，1000]，遗传算法和粒子群算法的参数设置见表3。采用MATLAB2016a作为编程语言进行算法实验，为了更好的进行参数优化算法的性能比较，随机选取糖尿病性视网膜病变数据集的50%、60%、70%、80%和90%作为有监督学习的已标注数据，即训练数据，剩余的数据作为测试数据，实验中每个算法都采用3折交叉验证方法，报告的实验结果均采用10次重复独立运行结果的平均值，具体实验结果见表4。