《表2 各算法在Na6ve Bayes分类器上分类准确率对比(%)》
为了比较本文提出的混合式算法NDI-RF的分类准确率,分别比较了原始特征集、mRMR、FAST、NEREA等特征选择算法选择出来的最优特征集在三种分类器上的分类准确率,在使用KNN分类器进行分类时取K值为3.从表2-表4可以看出NDI-RF算法在平均分类准确率上明显优于其他算法.在低维数据集中NEREA算法的分类精度与NDI-RF相近,但在高维数据集中NDI-RF算法的性能要明显优于其他的特征选择算法,这是由于NDI-RF算法在特征处理的过程中采用邻域信息考虑了特征之间的相关性,通过图论聚类剔除冗余特征,保留了特征与目标类之间的关联,在训练封装器阶段,采用特征权重和等比分配机制克服了随机森林分类不平稳的问题.
图表编号 | XD00212218900 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) |