《表1 数据集描述：基于已选特征动态变化的非线性特征选择方法》

  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

《基于已选特征动态变化的非线性特征选择方法》

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

将本文算法与7个极具竞争力的特征选择算法在8个真实数据集上进行对比，这些算法包括mRMR[7]、CIFE[8]、DISR[9]、IWFS[10]、CMIM[11]、JMIM[12]和MRI[13]。另外，由于本文算法属于过滤法，它独立于分类器，所以选择了3个不同的分类器支持向量机（SVM），朴素贝叶斯（NB）和最近邻（3NN）以保证实验的公平性。8个数据集来自文献[15]和UCI数据库[16]。并且，这8个数据的特征值类型既有离散的也有连续的，具体描述见表1。为了保证公平，用分箱离散方法（箱数为5）对连续类型的特征值进行处理。采用十折交叉验证的方法对分类效果进行验证。本次实验在Python2.7环境运行，电脑硬件设备配置如下:处理器Intel（R）Core（TM）2 Quad CPU；内存为8.00 GB。