·330 智能 系统学报 第12卷 表6数据集JAFE的实验结果 表8数据集Movie的实验结果 Table 6 The experimental results of JAFFE Table 8 The experimental results of Movie 评价标准 PT-Bayes AA-BP SA-IIS LDLKM 评价标准 PT-Bayes AA-BP SA-IIS LDLKM Cheby 0.1205 0.1403 0.1191 0.1179 Cheby 0.1992 0.1385 0.1467 0.1293 Clark 0.4394 0.5350 0.4246 0.4164 Clark 0.8003 0.6386 0.5806 0.5872 Canbe 0.9009 1.1022 0.8863 0.8660 Canbe 1.5490 1.2191 1.1158 1.1238 Cosine 0.9303 0.8950 0.9317 0.9288 Cosine 0.8506 0.9035 0.9088 0.9183 Interse 0.8465 0.8426 0.8490 0.8505 Interse 0.72450.79890.8041 0.8124 表7数据集Human Gene的实验结果 Table 7 The experimental results of Human Gene 4种标记分布算法在6个数据集上的预测结果 如图2所示，内容是标记分布算法对数据集中某个 评价标准 PT-Bayes AA-BP SA-IIS LDLKM 实例的标记分布预测结果和实际标记分布的比较。 Cheby 0.1834 0.0630 0.0534 0.0533 从图2中可以看出，LDLKM的预测结果与实际标记 Clark 4.6808 3.6789 2.1277 2.1133 分布最为接近，曲线的形状最为相似，即预测效果 Canbe 34.217825.229714.5778 14.4642 最好。在实验过程中，由于LDLKM直接利用了特 Cosine 0.4528 0.6900 0.8329 0.8348 征与标记之间的分布关系，训练模型的时间比现有 的专用化的算法还要少。 Interse 0.4696 0.63770.7824 0.7844 -origin ●Kmean 0.10 -Bayes 0.25 0.09 -BP -origin 0.08 x-IIS 0.20 ◆-Kmean 0.07 Bayes 号0.06 -BP 0.15 0.05单 -lIS ≤0.04 0.10 0.03 0.02 0.0 0.01 0 4 681012141618 6 8 10 121416 标记数 标记数 (a)Yeast-alpha数据集上的预测结果 (b)Yeast-cdc数据集上的预测结果 0.50 origin 0.30 origin 0.45 ●Kmean 0.28 ●-Kmean 0.40 Bayes 0.26 Baves 0.35 BP 0.24 BP --IIS 0.30 0.22 0.25 0.20 0.20 0.18 0.15 0.16 0.10 0.14 0.05 0.12 0.10 1.5 2.0 2.53.0 3.54.0 .01.52.02.53.03.54.04.55.05.56.0 标记数 标已数 (c)Yeast-.elu数据集上的预测结果 (d)JAFE数据集上的预测结果表 ６ 数据集 ＪＡＦＦＥ 的实验结果 Ｔａｂｌｅ ６ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｆ ＪＡＦＦＥ 评价标准 ＰＴ⁃Ｂａｙｅｓ ＡＡ⁃ＢＰ ＳＡ⁃ＩＩＳ ＬＤＬＫＭ Ｃｈｅｂｙ ０．１２０５ ０．１４０３ ０．１１９１ ０．１１７ ９ Ｃｌａｒｋ ０．４３９ ４ ０．５３５ ０ ０．４２４ ６ ０．４１６ ４ Ｃａｎｂｅ ０．９００ ９ １．１０２ ２ ０．８８６ ３ ０．８６６ ０ Ｃｏｓｉｎｅ ０．９３０ ３ ０．８９５ ０ ０．９３１ ７ ０．９２８８ Ｉｎｔｅｒｓｅ ０．８４６ ５ ０．８４２ ６ ０．８４９ ０ ０．８５０ ５ 表 ７ 数据集 Ｈｕｍａｎ Ｇｅｎｅ 的实验结果 Ｔａｂｌｅ ７ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｆ Ｈｕｍａｎ Ｇｅｎｅ 评价标准 ＰＴ⁃Ｂａｙｅｓ ＡＡ⁃ＢＰ ＳＡ⁃ＩＩＳ ＬＤＬＫＭ Ｃｈｅｂｙ ０．１８３ ４ ０．０６３ ０ ０．０５３ ４ ０．０５３ ３ Ｃｌａｒｋ ４．６８０ ８ ３．６７８ ９ ２．１２７ ７ ２．１１３ ３ Ｃａｎｂｅ ３４．２１７ ８ ２５．２２９ ７ １４．５７７ ８ １４．４６４ ２ Ｃｏｓｉｎｅ ０．４５２ ８ ０．６９０ ０ ０．８３２ ９ ０．８３４ ８ Ｉｎｔｅｒｓｅ ０．４６９ ６ ０．６３７ ７ ０．７８２ ４ ０．７８４ ４ 表 ８ 数据集 Ｍｏｖｉｅ 的实验结果 Ｔａｂｌｅ ８ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｆ Ｍｏｖｉｅ 评价标准 ＰＴ⁃Ｂａｙｅｓ ＡＡ⁃ＢＰ ＳＡ⁃ＩＩＳ ＬＤＬＫＭ Ｃｈｅｂｙ ０．１９９ ２ ０．１３８ ５ ０．１４６ ７ ０．１２９ ３ Ｃｌａｒｋ ０．８００ ３ ０．６３８ ６ ０．５８０ ６ ０．５８７ ２ Ｃａｎｂｅ １．５４９ ０ １．２１９ １ １．１１５ ８ １．１２３ ８ Ｃｏｓｉｎｅ ０．８５０ ６ ０．９０３ ５ ０．９０８ ８ ０．９１８ ３ Ｉｎｔｅｒｓｅ ０．７２４ ５ ０．７９８ ９ ０．８０４ １ ０．８１２ ４ ４ 种标记分布算法在 ６ 个数据集上的预测结果 如图 ２ 所示，内容是标记分布算法对数据集中某个 实例的标记分布预测结果和实际标记分布的比较。 从图 ２ 中可以看出，ＬＤＬＫＭ 的预测结果与实际标记 分布最为接近，曲线的形状最为相似，即预测效果 最好。 在实验过程中，由于 ＬＤＬＫＭ 直接利用了特 征与标记之间的分布关系，训练模型的时间比现有 的专用化的算法还要少。 （ａ）Ｙｅａｓｔ⁃ａｌｐｈａ 数据集上的预测结果 （ｂ）Ｙｅａｓｔ⁃ｃｄｃ 数据集上的预测结果 （ｃ）Ｙｅａｓｔ⁃ｅｌｕ 数据集上的预测结果 （ｄ）ＪＡＦＦＥ 数据集上的预测结果 ·３３０· 智 能 系 统 学 报 第 １２ 卷