《表2 平衡参数α不同取值的实验结果对比》

  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

《基于互信息的多标记特征选择》

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

由于平衡参数α取值不同，会造成多标记数据分类性能的差异。因此实验首先以Yeast数据集为例，测试α取不同值的分类结果如表2所示。实验同样采用平均查准率（Average Precision，AP）、覆盖率（Coverage，CO）、汉明损失（Hamming Loss，HL）、一错误率（One-Error，OE）、排位损失（Ranking Loss，RL）5个评价指标评估算法性能。紧随每个评价指标之后的向上“↑”表示该评价指标取值越大，实验效果越好；向下“↓”则表示该评价指标取值越小，实验效果越好。表格中斜体加粗的数字则表示算法对数据集分类处理的效果更佳。