《表2 不同特征选择和降维算法的分类性能对比》

  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

《多层次降维的头颈癌图像特征选择方法》

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

8种算法在决策树的多标签分类器下的分类性能如表2所示。ReliefF-HEPSO算法在各项度量参数上较之未降维、PCA、WOA-SA、BPSO、HEPSO、Relief F-BPSO算法均有大幅提高。ReliefF-HEPSO在分类准确率、召回率、F1参数上较之ReliefF算法有所提升，只有分类精度与ReliefF算法基本持平。ReliefF-HEPSO在分类准确率、分类精度、F1参数上较之ReliefF-BPSO算法均有提升，在召回率上保持近似。ReliefF-HEPSO算法较之未进行降维前的预测准确率提高33个百分点。由上述结果可知，经过ReliefF-HEPSO算法进行头颈癌病理图像特征选择后的数据多项分类性能均得到了优化，整体表现优于其他算法。