《表1 UCI数据集：基于CMFS-MIC特征选择的跳频电台个体识别方法》

  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CMFS-MIC特征选择的跳频电台个体识别方法》

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

为了验证本文算法的有效性，在UCI机器学习库[19]上选择几个常用数据集（表1）进行特征选择，并与经典的特征选择算法FCBF、CMFS-n作比较，采用了SVM、CRC两种分类器进行对比实验。实验过程中采用随机抽取的方式将原始数据分为50%的训练样本和50%的测试样本。为了提高实验的准确性，重复实验10次并求其均值作为实验的最后结果。