《表3 各算法在7个数据集上的海明损失测试结果》
图4是对比其他4种算法,随着选择后的特征数目的逐渐变多,其分类性能的变化情况。针对每一种算法,都有28种对比结果。介于篇幅所限,本文只选取了Artificial数据集的曲线图进行分析,分别展示了在AP、HL、RL和OE四种评价指标时,5种算法在特征数逐渐变大时分类性能的变化情况。对比原始特征空间和PMU、MDDMspc、MDDMproj、MFSLS这4种算法的分类性能,在Artificial数据集上,MFSEF基本上占优。基本上在前80个特征范围类,本文算法在四个评价指标上均明显优于其他对比算法,并且往往能通过较少的特征数更快地达到更好的分类性能。另外,在其他未展示的数据集上,本文算法的分类性能曲线变化也多数占优,这充分地表明MFSEF的有效性和合理性。
图表编号 | XD00133795400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 程玉胜、宋帆、王一宾、钱坤 |
绘制单位 | 安庆师范大学计算机与信息学院、安徽省高校智能感知与计算重点实验室、安庆师范大学计算机与信息学院、安庆师范大学计算机与信息学院、安徽省高校智能感知与计算重点实验室、安庆师范大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |