《表3 有标记样本比例为20%时, 5个对比算法在8个数据集上的平均分类正确率 (±标准差) Tab.3 When labeled samples is 20%, the classification

  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

《结合相似度的朴素贝叶斯半监督自训练方法》

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

在图4中，随着有标记样本比例的增加，5个算法在9个数据集中的正确率逐渐接近并趋于稳定值。其中NB算法在有标记样本比例高的情况下有运算速度快，准确率高的优势，但在有标记样本不足的情况下，分类精度较低。NBST算法在初始有标记样本分布好的情况下，也有一定优势，整体优于NB算法。NNBST相比NBST算法，在相同条件下得到更高的正确率。NBSTSMUC算法在Blood Transfusion Service Center这个数据集中占有优势。在其他数据集中，样本属性之间的关联不强，朴素贝叶斯分类器效果更好。通过对比，本文提出的NBSTCS算法在各个数据集上有一定优势。