《表4 平均G-Mean值》

  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

《利用一致性分析的高维类别不平衡数据特征选择》

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

由表3和表4可见，在类不平衡数据集brain上算法FSHC的分类性能逊于K-OFSD、OFS，在类不平衡数据集lymphoma上算法FSHC的分类性能逊于Fast-OSFS．除以上两个数据集外，算法FSHC的分类性能均优于对比算法．表5给出了特征选择子集的平均分类精度和标准差，分类精度越高说明样本分类越准确，标准差越小说明分类稳定性越高．不难看出，在平均分类精度方面，除了在类别不平衡数据集brain上算法FSHC的分类精度略逊于算法K-OFSD、OFS外，FSHC的分类精度均优于对比算法．