《表4 被选特征数为60时7种特征选择算法在6个数据集上的分类精度及标准差》

  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

《基于最小平方QR分解的改进鲁棒特征选择》

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

使用最近邻法作为分类器度量各特征选择算法的特征选择能力。GRFS和NRFS/LSQR中的正则化参数γ设置为{10-6，10-5，10-4，10-3，10-2，10-1，100，101，102，103，104，105，106}，p设置为{0.25，0.5，0.75，1}，选取所有参数组合中最优的结果作为最终结果。在实验过程中随机选取80%的样本作为训练集，剩余的20%样本作为测试集，将这个过程重复5次，取5次结果的平均值作为最终的结果。被选特征数分别为20、40、60和80时各特征选择算法的分类精度和标准差分别如表2，表3，表4和表5所示。各表中的Alg 3.1和Alg 4.1是GRFS算法在文献[9]中的两个算法。