《表3 各算法在SVM分类器上分类准确率对比(%)》
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.
图表编号 | XD00212218500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 李校林、吴腾、郭有庆 |
绘制单位 | 重庆邮电大学通信与信息工程学院、重庆邮电大学通信新技术应用研究中心、重庆信科设计有限公司、重庆邮电大学通信与信息工程学院、重庆邮电大学通信新技术应用研究中心、重庆邮电大学通信与信息工程学院、重庆邮电大学通信新技术应用研究中心 |
更多格式 | 高清、无水印(增值服务) |