《表5 各算法在UCI数据集上的实验结果》

  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

《类别不平衡的通信基站空调故障诊断》

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

对比算法有BP神经网络、多类SVM、决策树C4.5算法.各程序均在Matlab2017上部署运行，SVM采用径向基函数作为核函数，参数采用网格计算方法，λ和γ的搜索范围为λ∈{2-9，…，210}和γ∈{2-9，…，25}.采用增量生长法来确定SLF-CIB算法和BP神经网络的隐层节点数目，从5开始递增，测试学习误差，若误差的变化低于阈值（0.01），则停止增长.SLF-CIB算法输出的偏序序列的第一个分量参与评价指标计算，实验采用五折交叉验证法，实验结果的平均值如表5所示.从表5可以看到，SLF-CIB在大多数的数据集下取得了较高的AUC和TPR.对于存在着极小类样本的数据集Glass、Abalone，SLF-CIB算法与决策树算法的TNR值相近，但TPR值提高了，说明对于小类样本的识别率有显著的提高，进而提高了AUC指标值.