《表5 两种算法对数据集chess特征选择的实验结果》
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EK-medoids聚类和邻域距离的特征选择方法》
由表2~4聚类的实验结果说明EK-medoids聚类算法明显优于K-modes算法,从而有效地验证了EK-medoids聚类算法的有效性。接下来在表2~4实验结果的基础上,为了进一步验证本文所提的聚类优化特征选择算法的有效性,下面与文献[10]所提出的聚类特征选择算法作比较。该算法首先在相同的三个数据集上进行K-modes聚类;然后经过其所提出的聚类特征选择算法进行特征选择;最后重新聚类,从而获得分类精度的指标。采用本文所提出的基于EK-medoids聚类和邻域距离的特征选择算法(简记为算法2)与文献[10]所提出的一种基于邻域距离的特征选择算法(简记为算法1)对三种UCI数据集(chess、lung-cancer和soybean)进行特征选择的性能比较,其实验结果如表5~7所示。
图表编号 | XD0090301500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 孙印杰、张新乐、孙林 |
绘制单位 | 河南师范大学计算机与信息工程学院、河南师范大学计算机与信息工程学院、河南师范大学计算机与信息工程学院、河南师范大学河南省高校计算智能与数据挖掘工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |