《表2 本文算法与现有其他方法分类细分对比》

  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

《基于改进KPCA与SVM的题名分类研究》

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

%

从表1可以看出，基于IMKPCA-SVM分类方法各评价指标值均超过95%，分类精度整体最佳，主要原因在于IMKPCA降维处理后并计算类别信息度量保留了核心特征，同时采用SVM分类器，避免了BPNN的“维数灾”[9]和PCA只能提取线性特征结构的缺陷，最终使分类准确率显著提升。为了进一步揭示本文算法分类性能，表2列出了各分类算法的细分指标。