《表2 不同特征选择和降维算法的分类性能对比》
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。
图表编号 | XD00134740000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 程天艺、王亚刚、龙旭、潘晓英 |
绘制单位 | 西安邮电大学计算机学院、陕西省网络数据分析与智能处理重点实验室、西安邮电大学计算机学院、西安邮电大学计算机学院、西安邮电大学计算机学院、陕西省网络数据分析与智能处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |