《表2 五种算法的相关参数》

  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

《离散型增强烟花算法和kNN在特征选择中的研究》

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

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。