《表2 数据集实验运行时间》

  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

《基于局部加权距离和的多维指标融合计算方法》

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

s

通过真实数据集实验来对比验证DPLWD方法的性能优势。表1为来自于UCI机器学习库的13个真实数据集，他们具有不同的规模大小和维度。本实验环境为Matlab R2016a、Intel CPU 2.5GHz、内存8G。DPLWD方法只需确定k最近邻距离个数，利用人工干预的方法确定最佳的k值，并与经典的LOF方法[22]、ABOD方法[23]和SVM检测方法[24]在运行时间、精确度和召回率曲线下的面积（area under the precision-recall curve，简称AUCPR）等性能指标进行对比，结果如表2、表3所示。