《表5 KSC数据 (1 870个点) 不同块数对应的纯净点数Tab.5 Pure points of different number of blocks (个) on KSC data》
图6分别是3种数据在10%的训练数据下不同的K值对应的总体分类精度。从图中可以发现,随着K值的增大,MLE和LE算法的分类精度呈现下降的趋势,而MLE_Spatial和MLE_Spatial_Label算法的分类精度呈现上升的趋势。随着K值的增大,领域范围在逐渐变大,邻域中包含异类点的概率也增大,由于LE和MLE算法并不能很好地度量异类点之间的权值,因此效果将会变差,而改进后的多流形LE算法可以较好地度量异类点之间的权值,在一定的范围内,K值越大,领域中的点数就越多,从而可以更好地表示局部流形结构,效果也随之提高。
图表编号 | XD0021797100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 吴东洋、马丽 |
绘制单位 | 中国地质大学(武汉)机械与电子信息学院、中国地质大学(武汉)机械与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表5 KSC数据 (1 870个点) 不同块数对应的纯净点数Tab.5 Pure points of different number of blocks (个) on KSC data”的人还看了
- 表5 不同方法对VDIS图集管径测量数据对比 (像素) Tab.5 Comparison of different methods for vessel diameter measurement in VDIS set (pixel)