《表2 DP-CrWFSVM算法与另5种算法实验结果对比表》

  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

《DP聚类的可信性加权模糊支持向量机》

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

%

从表2中可以看出，对于数据集liver，DP-CrWFSVM相比于表中列出的其他算法，它的SE、GM都较高（这里看重SE是因为liver数据集样本点数量正少负多，SE较高表明正类点错分率低，而不平衡数据集分类期望少数类样本点错分率低）。对于数据集Haberman，DP-CrWFSVM相比于表中列出的其他算法，它的SP、GM都极高（这里看重SP是因为Haberman数据集样本点数量负少正多，SP较高表明负类点错分率低，而不平衡数据集分类期望少数类样本点错分率低）。而在数据集Musk（V1）上，DP-CrWFSVM的GM第四高，并且和最高的只相差约0.28%，而SE也是第四高，和最高的相差约1.37%。只是在数据集WPBC上，DP-CrWFSVM的GM最低，并且和最高的相差约13.04%，而SP是第六高，和最高的相差约24.12%。