《表3 不同分类器对分类性能的影响》
%
为了更好地提高整个网络的识别准确率,本文采用传统的分类算法对Bi-LSTM网络产生的特征进行分类。实验中用到的分类算法包括BP神经网络、SVM、朴素贝叶斯和本文方法,并且深度网络内嵌的ELM分类器也被用来进行分类,它已经被证明在分类方面是有效的。从表3中可以看出,对于四种不同特征,本文提出的逻辑回归分析方法性能获得最好的分类性能,优于其他分类器,其准确率为92.58%,特异性为94.58%,敏感度为91.86%。同时逻辑回归分析方法的标准差普遍也小于其他分类器,说明该方法具有较稳定的分类性能。?
图表编号 | XD0053257300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.15 |
作者 | 张娅楠、赵涓涓、赵鑫、张小龙、王三虎 |
绘制单位 | 太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院、宾夕法尼亚州立大学信息科学与技术学院、吕梁学院计算机科学与技术系 |
更多格式 | 高清、无水印(增值服务) |