《表3 D1和BS分别作为训练集时的分类准确率结果》

  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

《基于凸边界的学习样本抽取方法》

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

%

其次，为了验证本文方法在减少样本量的同时仍可保持原始训练集的分类性能，分别在6个分类器上进行了12个UCI数据集的分类实验，比较了原始训练集D1和边界样本集BS分别作为训练集时的分类准确率，结果见表3。结果中加粗字体部分表示用边界样本集BS作为训练集的分类准确率高于或等于原始训练集。可通过数据的直观对比分析本文方法的可行性和有效性。