《表4 均匀分布下五种算法的代价约简率(↓)》
为了验证本文所提算法的有效性,我们选取了四种不同的多标记特征选择算法进行实验对比和分析,其分别为MD-DM spc[20],MDDMproj[20],RF-ML[21],PMU[22],并采用10倍交叉验证法对算法进行验证.这四种算法均为特征排序算法,本文算法为确定的特征子集算法.因此,实验的对比和分析将以本文算法选择的特征子集中的特征个数为准.六个数据集最终所选取的特征子集中特征的个数分别为:Flags:8个,E-motions:5个,CAL500:5个,Birds:7个,Yeast:6个,Scene:8个.实验结果如表4所示,其中斜体加粗表示当前数据集的最优值.(↓)表明当前评价指标取值越小,效果越优.(↑)表明当前指标取值越大,效果越优.
图表编号 | XD00141256200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 黄锦涛、钱文彬、王映龙 |
绘制单位 | 江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学软件学院、江西农业大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |