《表4 F-value和G-mean性能比较》
将RBCCS算法与原始数据直接分类(未处理)、SMOTE算法、RU-SMOTE算法[24]和BMS算法[24]进行对比实验,分类器均采用ELM。SMOTE算法中采样倍率Nsample取不平衡比IR的0.5倍并取整Nsample=[0.5IR],最近邻阈值取K=3 Nsample。RU-SMOTE算法中随机欠采样量与SMOTE过采样量相等Ndown=Nup。BMS算法中k-距离值取样本总数的1/2,变异系数阈值根据变异系数排序后的数值取突变点处的值,突变点通过寻找相邻样本变异系数差值最大处来确定。RBCCS算法中,重复训练次数T=20,近邻值取。为消除随机因素的影响,取50次实验的结果,每次实验前随机生成训练集和测试集,比例为4∶1。计算F-value和G-mean的统计平均值,将最大值加粗表示;计算实验结果的标准差,将最小值加粗表示。结果如表4所示。
图表编号 | XD00227346800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 李睿峰、许爱强、孙伟超、吴阳勇 |
绘制单位 | 海军航空大学、海军航空大学、海军航空大学、海军航空大学 |
更多格式 | 高清、无水印(增值服务) |