《表2 五种算法的相关参数》
为了验证EFWA-k NN-FS算法的性能,本文选用了表1的UCI数据集,并且与引导型烟花算法(Guided Fireworks Algorithm,GFWA)[15]、烟花算法(Fireworks Algorithm,FWA)[16]、蝙蝠算法(Bat Algorithm,BA)[17]、乌鸦算法(Crow Search Algorithm,CSA)[18]进行对比实验。使用GFWA、FWA、BA和CSA来搜索特征子集,并且将每种算法搜索到的特征子集的相关数据放到k NN分类器进行学习,对最终输出的相关分类准确率进行比较。其中,五种算法的参数设置如表2所示。
图表编号 | XD00150158200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.15 |
作者 | 黄欣、莫海淼、赵志刚、曾敏 |
绘制单位 | 广西农业职业技术学院信息与机电工程系、合肥工业大学管理学院计算机网络系统研究所、广西大学计算机与电子信息学院、广西大学计算机与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |