《表2 在6个数据集上4种方法的最高分类性能（F1）及对应的特征数（m)》

  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

《基于加权K近邻的特征选择方法》

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

由表2可见，在6个数据集上WKNNFS达到的最高分类性能均高于其他方法.当达到最高分类性能时，WKNNFS在所有数据集上都优于CIFE方法，即达到最高分类性能时选取的特征数较少.WKNNFS与另外2种方法相比，当达到最高分类性能时，在4个数据集（hcc-data2、Sonar、Prostate和brain）上选取的特征数较少，在数据集Q＿green上选取的特征数相差不大，而在数据集clean1上选取的特征数较多，这可能是因为遗传算法在搜索最优特征权重向量过程中陷入局部最优，而后又跳出局部最优（由图1（d）WKNNFS的分类性能曲线可见，在N=13和N=35附近曲线下降）.