《表6 AFWA和APSO的平均分类准确率》
%
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。
图表编号 | XD00150158700 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) |