《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》
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。
图表编号 | XD003917600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 杨银松、郭英、李红光、眭萍、于欣永 |
绘制单位 | 空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军通信士官学校 |
更多格式 | 高清、无水印(增值服务) |