《表2 不同方法的分类结果》

  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

《一种基于Laplacian的半监督特征选择模型》

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

在第一阶段试验中，固定50%的样本为有标签数据，其余的作为无标签数据，进行十折交叉验证。将有标签数据划分为10等份，在每次交叉验证中，将90%的有标签数据和所有无标签数据用于模型训练，剩余10%的有标签数据用于模型性能测试。试验重复10次，主要目的是避免样本的随机划分而导致结果偏差。比较试验结果与传统全监督模型的分类结果（见表2），可以看出，在所有数据上，所提方法的分类精度都要高于参与比较的其他方法，说明SLFS特征选择方法更能改进分类性能。