《表1 DCF、LR和SVM在模拟测试集上的性能比较》
本文提出的模型是用python3.6实现的,称之为深度卷积全连接(DCF),深度学习平台采用的是Google开源平台tensorflow[21]。本文同样训练了Logistic Regression(LR)和CADD的SVM模型作为对比。LR的实现采用的是开源python包scikit-learn。本文没有直接使用CADD提供的SVM模型,因为它的模型一次只能评估100 000变体而且已经在测试集中训练过了。而是使用LIBOCAS[22]库中的SVM作为替代,它们的分类效果相当。3个模型均使用训练集进行训练,同时在训练过程中用验证集对分类器进行验证。训练完之后,分别在测试集和真实数据集进行预测。在测试集上,DCF、LR和SVM的分类准确率分别是66.44%、59.77%和58.18%(表1)。文献[9]提出的DANN在该数据集的正确率是66.1%。其他的性能指标见表1和表2。
图表编号 | XD0075615100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.18 |
作者 | 杨书新、汤达荣 |
绘制单位 | 江西理工大学信息工程学院、江西理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |