《表3 实验中的6种不平衡数据集的特征》

  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

《针对不平衡数据的PSO-DEC-IFSVM分类算法》

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

为了突出本文所提算法在不平衡数据下分类的优越性，将所提算法（PSO?DEC?IFSVM）与现有算法进行对比，即：支持向量机（SVM）算法、模糊支持向量机（FSVM）算法、DEC算法、DEC结合FSVM的算法（DEC?FSVM）、DEC?FSVM?Ju算法以及利用PSO算法参数寻优前的DEC?IFSVM算法。同时，为了使实验结果更加具有说服力，本文在UCI机器学习数据中选取6种不同空间结构以及不同维度的不平衡数据进行实验验证，且这些不平衡数据必定会含一些噪声或野点个体。此外，为了减少训练的时间，每种不平衡数据集均随机选择部分作为实验，选取的6种不平衡数据集的基本特征如表3所示。