《表2 性能指标比较：分支定界半监督SVM在油层识别中的应用》

  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

《分支定界半监督SVM在油层识别中的应用》

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

为考虑有标签样本集数目对半监督算法的分类准确率与速度的影响，将分支定界半监督SVM与经典S3VM算法及标准SVM算法进行对比。为使预测结果更加可靠，并验证其具有强泛化能力，本文采取随机抽取并划分有标签样本集与无标签样本集的方式来构成训练集。有标签样本集分别由从原始的训练集中随机的抽取数目为10，20，30，40，50的样本及其标签构成，其余的训练集样本去除标签，与其对应的作为无标签样本集。其中，标准SVM算法只选取划分好的有标签样本集作为其训练集。经过10次独立重复实验取平均值，得到2种半监督算法与1种全监督算法的训练精度对比如图4。分支定界半监督SVM的训练时间和精度数据如表2所示。表2中训练时间是在CPU为Intel Core i7，内存为16GB的计算机上的训练时间。