《表1 不同分类器的性能比较》
在MSOD算法中,需以Sk区域的半径h作为输入值,同时研究h的不同取值对MSOD算法性能的影响。在图2中作不同分类模型的ROC曲线,包括h取不同值时的MSOD算法的ROC曲线,以及以理论值作为离群点分界圆的圆心对数据集进行分类的ROC曲线(“Untreated”曲线)。从图2可以看出,对于MSOD算法的ROC曲线,当h从0.012一直增加到0.017时,ROC曲线都非常靠近左上角,所以MSOD算法的分类效果都很好。表1中进一步量化了不同分类器的预测正确率和AUC值,由表1可见,对于MSOD分类算法,当h在[0.012,0.017]范围内取不同的值,AUC的大小都在0.930左右,并且离群点检测的正确率都在0.960左右。这表明在MSOD算法中,初始值h的不同取值不会对MSOD算法的性能产生影响,表明MSOD算法具有健壮性,有效地克服了现有算法对初始参数敏感的缺点。
图表编号 | XD0076394200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 申赞伟、李丹、张士文、张峰 |
绘制单位 | 上海交通大学电子信息与电气工程学院、上海交通大学电子信息与电气工程学院、上海交通大学电子信息与电气工程学院、上海交通大学电子信息与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |