《表2 v-WSVM算法在参数取不同值时的平均分类正确率和标准差Tab.2 Mean accuracy of classification and standard deviation with v-

  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

《基于样本权重的v-支持向量机》

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

在v-WSVM算法中，涉及一个参数v，它的不同取值将会影响支持向量机的分类性能，为此，针对参数v∈{0.1，0.2，0.3，0.4，0.5，0.6}并选取高斯核和线性核分别进行了实验研究，表2给出了v-WSVM算法在参数v取不同值时的平均正确率和标准差.可以看到，不论核函数是高斯核还是线性核，对于参数v的不同取值，v-WSVM算法在每个数据集的分类性能是不同的，例如，当v=0.1或v=0.5且核函数为高斯核时，vWSVM算法在数据集ionosphere的平均正确率分别为0.952 8和0.673 6；当核函数为线性核时，也出现同样的情况.另外，即使对于参数的同一值，针对不同的数据集，则v-WSVM算法不一定都会获得较好的结果，例如，当v=0.1且数据集为cancer时，平均正确率为0.966 8，而同一参数取值用于bupa数据集，其平均正确率仅为0.578 9，实际上当v=0.5时，则平均正确率为0.746 2.值得一提的是，当选取高斯核函数时，针对参数v的不同取值，v-WSVM算法几乎在所有数据集的分类性能是稳定的；但当选取线性核函数时，针对参数v的不同取值，v-WSVM算法仅在部分数据集的分类性能是稳定的.