《表3 DMR和AR1,AR2约简结果的分类精度(ACC)和所选特征个数(NUM)的比较》
实验中,本文采用10折交叉验证方法,通过在6个数据集的属性粒化过程中将阈值μ设为0.001,并用KNN分类器(K=5)的分类精度评估属性约简算法的优劣。实验结果如表3所示,DMR与传统正域意义下的AR1,AR2相比,DMR算法获得的约简虽然数目较多,但是构造的KNN算法的分类性能比AR1算法和AR2算法更优。
图表编号 | XD00109605500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 翁冉、王俊红、魏巍、崔军彪、黄卫华 |
绘制单位 | 山西大学计算机与信息技术学院、山西大学计算机与信息技术学院、山西大学计算智能与中文信息处理教育部重点实验室、山西大学计算机与信息技术学院、山西大学计算智能与中文信息处理教育部重点实验室、山西大学计算机与信息技术学院、文山学院数学与工程学院 |
更多格式 | 高清、无水印(增值服务) |