《表6 多种判别方法外延性评估结果》

  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

3.1节和3.2节所述实验证实了GA-NNDM在玄武岩构造环境判别方面的综合性能（包括准确性和稳定性）较优，不过上述优良判别效果仅针对这一组实验数据，至于GA-NNDM对其他数据的泛化能力仍有待考证。鉴于此，有必要通过外延性仿真实验进行验证，即保证实验方法不变，只变更实验数据来测试算法性能。现从PETDB、GEOROC等公开数据库中重新提取一组数据，经过数据预处理后，得到1 582个玄武岩研究样品（共计18 984个地球化学数据），包含MORB样品539个、OIB样品463个以及IAB样品580个。其中，MORB样品大多分布在大西洋和太平洋洋中脊，OIB样品主要分布于大西洋和太平洋地区，IAB样品多数分布在环太平洋西岸和东岸。每个研究样品均对应于12个基本主量元素氧化物，分别为K2O、CaO、SiO2、MgO、NiO、Na2O、FeO、TiO2、Al2O3、MnO、Cr2O3和P2O5。现选取SVM和RF作为对比判别方法，采用2.2节所述流程进行玄武岩构造环境判别仿真实验，得到实验结果如表6所示。从表中可以得知，针对该组数据，GA-NNDM的判别效果依旧较好，且优于RF和SVM，由此可见所提判别方法的泛化能力较强。