第5期 张雄涛，等：一种基于模糊划分和模糊加权的集成深度信念网络 ·911 表6在Magic_.gamma_telescope数据集上的分类精度及运行时间对比 Table 6 Performance in terms of average testing accuracy and running time with their standard deviation on Magic_gamma_telescope 算法 子集K 隐节点个数 测试精度 运行时间s 55+45+45 0.7885±0.0015 28.3411±1.66 局部分类模型DBN(=3) 2 50+50+40 0.7893±0.0028 28.7321±1.35 3 50+45+40 0.7879±0.0020 26.7597±2.37 FE-DBN (k=3) 一 0.8013±0.0139 31.598442.28 DBN (m=60) 60+60+60 0.7910±0.0195 35.9973±2.08 40+30+30 0.7875±0.0015 22.2400±0.92 2 40+30+20 0.7871±0.0019 17.6112±1.18 局部分类模型DBN(K仁4) 45+35+25 0.7884±0.0086 20.6566±2.34 40+40+40 0.7883±0.0082 26.0918±2.52 FE-DBN (=4) 0.8071±0.0094 28.5689+1.70 DBN(m=50) 50+50+50 0.7898±0.0118 30.5896±0.28 30+30+20 0.7825±0.0053 18.7089±0.89 2 30+25+25 0.7853±0.0012 18.24230.74 局部分类模型DBN(I=5) 35+30+30 0.7856±0.0025 21.759010.65 30+25+20 0.7822±0.0062 17.1007±0.53 30+30+30 0.7819±0.0012 21.4170±0.76 FE-DBN (=5) 0.8116±0.0039 23.0908±0.61 DBN(=40) 40+40+40 0.7896±0.0062 25.9525±0.35 表7在pendigits数据集上的分类精度及运行时间对比 Table 7 Performance in terms of average testing accuracy and running time with their standard deviation on pendigits 算法 子集K 隐节点个数 测试精度 运行时间s 65+65+55 0.7450±0.0248 12.1212±0.52 局部分类模型DBN(=3) 2 60+55+50 0.7458±0.0034 10.5034±0.79 60+60+50 0.7498±0.0029 9.7087±0.30 FE-DBN (=3) 0.7592±0.0103 11.5629±0.43 DBN (m=65) 65+65+65 0.7585±0.0078 12.4313±0.85 50+50+45 07357±0.0302 8.833240.29 2 55+55+45 0.7238±0.0534 9.2147±0.86 局部分类模型DBN(=4) 50+45+45 0.7139±0.0434 8.8740±0.89 55+50+45 0.7270±0.0366 8.9541±0.48 FE-DBN (=4) 0.7610±0.0328 9.6484±0.35 DBN(m=55) 55+55+55 0.7565±0.0284 10.3846±0.77表 6 在 Magic_gamma_telescope 数据集上的分类精度及运行时间对比 Table 6 Performance in terms of average testing accuracy and running time with their standard deviation on Magic_gamma_telescope 算法 子集K 隐节点个数 测试精度 运行时间/s 局部分类模型DBNK (k=3) 1 55+45+45 0.788 5±0.001 5 28.341 1±1.66 2 50+50+40 0.789 3±0.002 8 28.732 1±1.35 3 50+45+40 0.787 9±0.002 0 26.759 7±2.37 FE-DBN (k=3) — — 0.801 3±0.013 9 31.598 4±2.28 DBN (m=60) — 60+60+60 0.791 0±0.019 5 35.997 3±2.08 局部分类模型DBNK (k=4) 1 40+30+30 0.787 5±0.001 5 22.240 0±0.92 2 40+30+20 0.787 1±0.001 9 17.611 2±1.18 3 45+35+25 0.788 4±0.008 6 20.656 6±2.34 4 40+40+40 0.788 3±0.008 2 26.091 8±2.52 FE-DBN (k=4) — — 0.807 1±0.009 4 28.568 9±1.70 DBN (m=50) — 50+50+50 0.789 8±0.011 8 30.589 6±0.28 局部分类模型DBNK (k=5) 1 30+30+20 0.782 5±0.005 3 18.708 9±0.89 2 30+25+25 0.785 3±0.001 2 18.242 3±0.74 3 35+30+30 0.785 6±0.002 5 21.759 0±0.65 4 30+25+20 0.782 2±0.006 2 17.100 7±0.53 5 30+30+30 0.781 9±0.001 2 21.417 0±0.76 FE-DBN (k=5) — — 0.811 6±0.003 9 23.090 8±0.61 DBN (m=40) — 40+40+40 0.789 6±0.006 2 25.952 5±0.35 表 7 在 pendigits 数据集上的分类精度及运行时间对比 Table 7 Performance in terms of average testing accuracy and running time with their standard deviation on pendigits 算法 子集K 隐节点个数 测试精度 运行时间/s 局部分类模型DBNK (k=3) 1 65+65+55 0.745 0±0.024 8 12.121 2±0.52 2 60+55+50 0.745 8±0.003 4 10.503 4±0.79 3 60+60+50 0.749 8±0.002 9 9.708 7±0.30 FE-DBN (k=3) — — 0.759 2±0.010 3 11.562 9±0.43 DBN (m=65) — 65+65+65 0.758 5±0.007 8 12.431 3±0.85 局部分类模型DBNK (k=4) 1 50+50+45 0735 7±0.030 2 8.833 2±0.29 2 55+55+45 0.723 8±0.053 4 9.214 7±0.86 3 50+45+45 0.713 9±0.043 4 8.874 0±0.89 4 55+50+45 0.727 0±0.036 6 8.954 1±0.48 FE-DBN (k=4) — — 0.761 0±0.032 8 9.648 4±0.35 DBN (m=55) — 55+55+55 0.756 5±0.028 4 10.384 6±0.77 第 5 期 张雄涛，等：一种基于模糊划分和模糊加权的集成深度信念网络 ·911·