《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-
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.
图表编号 | XD0023812100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.25 |
作者 | 李凯、翟璐璐、崔丽娟 |
绘制单位 | 河北大学网络空间安全与计算机学院、河北大学网络空间安全与计算机学院、河北大学图书馆 |
更多格式 | 高清、无水印(增值服务) |