《表1 不同分类方法的评估指标对比》

  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

《基于改进稀疏自编码神经网络的软件缺陷预测》

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

为了验证本文提出的SMOTE+SAE网络+LR（SSL）的分类模型的性能，还进行了先通过SAE进行特征提取，再由LR算法进行分类的实验，其中神经网络的参数设置不变。先使用主成分分析（principal component analysis，PCA）提取特征再用LR分类器分类的实验中，提取的因子个数也设置为5，与SAE的输出节点个数一致。此外还直接使用LR对未进行预处理的原始数据进行了分类。在各个数据集上的分类效果如表1所示。