《表3 本文方案与其他方法的准确性比较》

  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

《Hadoop平台下粒子滤波结合改进ABC算法的IoT大数据特征选择方法》

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

UCI数据集的不同特征影响了特征选择算法的性能和准确性。表2中给出了选定数量的特征和全部特征的准确性情况比较。表3是在相同条件下本文算法与随机森林算法、文献[18，19]算法的分析比较结果，所选特征比其他原始特征列表小得多。与其他方法相比，在大多数的数据集中，本文特征选择算法在准确性方面表现更好。在诸如空气质量、3D路况网络和云等数据集中，本文算法的准确性较差，而在某些情况下，如GPS轨迹和用于情绪分析的Twitter数据集中，本文算法的准确度几乎与其他方法相同，其余情况下，本文算法的准确度要优于另外三种算法。总体而言，本文算法在准确性方面能够表现出较好的结果。