《表3 SVM算法、RF算法、TLRF算法性能比较》

《表3 SVM算法、RF算法、TLRF算法性能比较》   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
《偏联系数聚类和随机森林算法在雷达信号分选中的应用》


  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

设置TLRF算法、RF算法的决策树个数为TTN=15。随机抽取Iris Flowers、Wine Quality各数据集的90组数据作为训练样本,30组数据作为测试样本,将测试样本分别输入已经训练好的SVM算法、RF算法、TLRF算法。三种算法对Iris Flowers数据集、Wine Quality数据集的分类结果如表3所示。从表3可知,与RF算法、SVM算法相比,TLRF算法在对测试样本分选时所用时间更少、准确率更高,说明用TLBO优化RF算法后构成的新集成算法TLRF能够用更少的基础分类器获得更高的准确率,提高了RF算法的集成性能。PCFCM算法、TLRF算法的良好表现,为基于PCFCM-TLRF的雷达调制信号分选模型奠定了基础。