《表2 各算法在Na6ve Bayes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

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．