《表1 MNIST数据集的实验效果》
最后,将该索引ij对应的类别即为该测试样本的预测类别.通过观察,我们可以得出这是普通的1 Nearest Neighbor(1NN)思想.通过考虑噪声的情况,我们考虑使用K Nearest Neighbor(KNN)算法来代替原始的1NN算法,以期待得到更好的分类效果.算法的性能通过测试集上面的均方误差值(MSE)来度量.为了避免随机性对实验结果产生影响,我们通过重复10次实验取来求平均的MSE,实验结果如表1所示.我们可以看出,提出算法与文献[10]中的算法相比有较小的均方误差值和较小的方差,这意味着提出算法有更好更稳定的推广能力.实验在具有4 GB随机存取存储器和2.50 GHz Intel i5处理器的计算机上进行,所有代码都在MATLAB软件中实现.
图表编号 | XD0033275900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.05 |
作者 | 范洪华、付应雄、罗志成、陈芬 |
绘制单位 | 湖北大学数学与统计学学院、湖北大学数学与统计学学院、湖北大学数学与统计学学院、湖北大学数学与统计学学院 |
更多格式 | 高清、无水印(增值服务) |