《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》

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

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。