《表3 各算法在SVM分类器上分类准确率对比(%)》

  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

《融合邻域判别指数的混合式特征选择算法》

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

在评价NDI-RF算法选择的最有特征子集大小方面，采用十倍交叉验证法统计每个算法所选特征子集的平均大小，如图6和图7所示．从图中可以看出，NDI-RF算法在低维数据集上所选择的特征子集大小与其他算法相差不大，在wine数据集上略高于NEREA算法，在Ionosphere数据集上略高于FAST算法．在高维特征的选择上，NDI-RF算法均小于其他算法所选的特征子集大小，能够有效的降低特征维数，体现了NDI-RF算法处理高维数据的优越性．