《表6 AFWA和APSO的平均分类准确率》

  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

%

为了进一步验证本文算法的有效性，再选用DS3、DS7和DS9这三个数据集，然后与文献[1]提出的基于自适应粒子群算法（Adaptive Particle Swarm Optimization，APSO）的特征选择算法做对比实验。设置EFWA算法的最大评价次数均为200次，其他参数设置参考表2；而APSO参数设置参考文献[1]（该文献将最大评价次数设置为2 000次）。增强烟花算法和文献[1]的APSO算法的对比实验结果如表6所示。由表6可知，对于DS3和DS7数据集，EFWA-k NN-FS算法的平均分类准确率优于APSO算法，并且使用的评价次数少于APSO算法；对于DS9数据集，EFWA-k NN-FS算法的分类准确率比APSO的差。综上，EFWA-k NN-FS算法的总体性能优于AP-SO算法。