《表5 多种判别方法标准差计算结果》

  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

《基于改进遗传算法-神经网络的玄武岩构造环境判别及对比实验》

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

横向、纵向比较实验证明了GA-NNDM在特定工况下较好的构造环境判别效果，至于该方法能否在多数实验工况下维持高分类准确率仍存疑问。算法稳定性评价实验可用来充分验证GA-NNDM在不同工况下的构造环境判别效果。选择3.1节中分类性能较佳的LRC、DT、SVM和RF判别方法作为对比项，以共同验证GA-NNDM的稳定性。在3.1节所述实验基础上，通过交叉验证方法设置11种实验工况（即5至15折交叉验证），同样利用总体分类准确率衡量算法的判别效果。此外，LRC、DT、SVM和RF判别方法均借助网格搜索算法来优化参数。仿真实验结果汇总于图6中。从图中可以发现：GA-NNDM、SVM和RF的稳定性均较好，振荡幅度仅有1%左右；DT稳定效果次之，变动范围介于1%～2%；LRC的分类性能波动最大，约为4%，但仍属正常范围之内。为进一步表现算法稳定性评估结果，引入标准差作为定量评价指标，计算结果如表5所示。由表可得，5种判别方法按标准差从小到大排列，依次为：SVM