《表3 ρ0和dc选取情况》
本文选择了最近邻算法(KNN)、支持向量机(SVM)、单层神经网络(SLNN)以及它们分别对应的标准自训练算法与本文提出的基于数据密度的自训练算法进行对比,这些算法的参数信息展示在表2中。表3是将数据标准化处理以后,不同数据集ρ0和dc的选取情况。
图表编号 | XD0067685500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 艾震鹏、王振友 |
绘制单位 | 广东工业大学应用数学学院、广东工业大学应用数学学院 |
更多格式 | 高清、无水印(增值服务) |
本文选择了最近邻算法(KNN)、支持向量机(SVM)、单层神经网络(SLNN)以及它们分别对应的标准自训练算法与本文提出的基于数据密度的自训练算法进行对比,这些算法的参数信息展示在表2中。表3是将数据标准化处理以后,不同数据集ρ0和dc的选取情况。
图表编号 | XD0067685500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 艾震鹏、王振友 |
绘制单位 | 广东工业大学应用数学学院、广东工业大学应用数学学院 |
更多格式 | 高清、无水印(增值服务) |