Findings on ranking evaluation functions for feature weighting in image retrieval

Journal of the Brazilian Computer Society

Table 2 Area under the precision recall curve referred to in Figure 2 , bounded at 25%, 50% and 75% of recall

	Recall (%)	F1	F2	F3	F4	F5	F6	F7	F8	F9	F10
Data set Vistex-167	25	0.228	0.229	0.249	0.250	0.250	0.250	0.248	0.250	0.242	0.250
	50	0.436	0.440	0.494	0.496	0.496	0.496	0.492	0.496	0.480	0.484
	75	0.603	0.616	0.713	0.716	0.717	0.716	0.711	0.716	0.691	0.654
Data set Corel-1000	25	0.219	0.219	0.237	0.240	0.240	0.240	0.236	0.238	0.237	0.240
	50	0.435	0.434	0.475	0.486	0.486	0.482	0.472	0.477	0.480	0.468
	75	0.640	0.640	0.693	0.682	0.706	0.702	0.687	0.696	0.705	0.630
Data set DB-10000	25	0.185	0.186	0.220	0.238	0.238	0.234	0.218	0.222	0.227	0.214
	50	0.346	0.350	0.403	0.398	0.434	0.428	0.399	0.408	0.431	0.306
	75	0.429	0.437	0.514	0.439	0.512	0.531	0.511	0.519	0.528	0.326
Data set Scenes-1044	25	0.233	0.233	0.239	0.240	0.240	0.239	0.234	0.239	0.239	0.238
	50	0.468	0.467	0.485	0.488	0.489	0.486	0.472	0.485	0.487	0.482
	75	0.696	0.695	0.727	0.731	0.734	0.730	0.705	0.728	0.733	0.717
Data set Caltech101-8872	25	0.073	0.090	0.125	0.128	0.135	0.133	0.089	0.129	0.128	0.083
	50	0.080	0.100	0.143	0.140	0.151	0.147	0.099	0.147	0.143	0.091
	75	0.081	0.101	0.145	0.141	0.152	0.148	0.100	0.148	0.144	0.092