·418 智能系统学报 第13卷 在表4中，当前segm包含num个条件属性， 1.00 seqm(x)表示利用交叉验证第u轮由属性序列 0.95 1EnumgA灯 segm在某一种分类器上对样本x做出的预测结 0.90 果。Yx∈U,若seqm(x)=d(x),表示利用当前的属 lsnumAT 0.85 性序列，可以做出正确的分类结果；反之，则表示做 0.80 算法1(6=0. 出的分类结果是错误的。基于联合分布矩阵，采用 算法3(8= Yule提出的Q-统计量方法来度量两种算法的约简 0.75 在分类器上分类结果的一致性，一致性的度量是反 文献15算法 0.70 映分类性能稳定性的指标，其计算式为 3 Q=dada-bacm 属性数目/个 (11) (c)Ecoli audin +buvCin 式中Q的取值范围为[-1,1]。Q值为0时，表示两 1.00 个排序序列在同一分类器上的预测结果毫不相关： 0.95 Q值越大，表示当前两个排序结果在同一分类器上 0.90 0.85 的预测结果的一致性越高。整体的一致性可取平均 0.80 值Q作为分类结果的稳定性指标。实验中采用 0.75 KNN分类器去分类，因为不同的数据集对K的敏 0.70 算法1(6=0 感程度不一样，为了降低K的取值对分类结果影 0.65 0 响，每个数据集对K寻优，在最佳的K值情况下，再 0.60 法(6=0.1 0.55 文献15算法(=0.4) 比较各个算法下的分类性能。按照表1顺序，K 0.50 分别取值为3、5、9、3、5、9、7、3、5。为了能直观比 10 15 20 25 30 较3种约简算法分类结果的一致性，以及不同邻域 属性数目/个 (d)Ionosphere 半径参数下对分类结果一致性的影响，分别在邻域 参数=0.1与6=0.4时完成本组实验。实验结果如 1.0 图1所示。 0.9 1.0 0.8 106 0.9 0.7 0.8 0.6 0.7 0.6 算法1(=0.1) 1=04】 05 算法1(=0.1) 0 0.4 法1(d=0.4 0.2 文藏[15]算法=0.1) 0.3 天3d=0.4 文献15算法8=0.4) 0.2 文献[151算法(8=0.1) 文献15算法(=0.4) 1.0 1.5 2.0 2.53.0 3.5 4.0 0.1 属性数目/个 10 15 20 25 30 (e)Iris 属性数目/个 (a)Dermatology 1.0 1.0 0.9 0.9 0.8 8 0.7 0 0.5 0.6 0.4 中 0.1 0 0.5 02 0 8 0.4 0. 文献[15]算法(=0.1) 南状15=0.1】 文献[15]算法(=0.4) 0 文献i5算法8-0.4 0.3 2 4 681012141618 10 15 20 25 属性数目/个 属性数目/个 (b)Diabetic Retinopathy Debrecen (f)Parkinson Multiple Sound Recordingseqnum u 1⩽num⩽AT seqnum u 1⩽num⩽AT seqnum u 1⩽num⩽AT∀ seqnum u 1⩽num⩽AT (x) = d(x) 在表 4 中，当前 包含 num 个条件属性， (x) 表示利用交叉验证第 u 轮由属性序列 在某一种分类器上对样本 x 做出的预测结 果。 x∈U，若 ，表示利用当前的属 性序列，可以做出正确的分类结果；反之，则表示做 出的分类结果是错误的。基于联合分布矩阵，采用 Yule 提出的 Q-统计量方法来度量两种算法的约简 在分类器上分类结果的一致性，一致性的度量是反 映分类性能稳定性的指标，其计算式为 Q = auvduv −buvcuv auvduv +buvcuv (11) Q 式中 Q 的取值范围为[−1, 1]。Q 值为 0 时，表示两 个排序序列在同一分类器上的预测结果毫不相关； Q 值越大，表示当前两个排序结果在同一分类器上 的预测结果的一致性越高。整体的一致性可取平均 值 作为分类结果的稳定性指标。实验中采用 KNN 分类器去分类，因为不同的数据集对 K 的敏 感程度不一样，为了降低 K 的取值对分类结果影 响，每个数据集对 K 寻优，在最佳的 K 值情况下，再 比较各个算法下的分类性能。按照表 1 顺序，K 分别取值为 3、5、9、3、5、9、7、3、5。为了能直观比 较 3 种约简算法分类结果的一致性，以及不同邻域 半径参数下对分类结果一致性的影响，分别在邻域 参数 δ=0.1 与 δ=0.4 时完成本组实验。实验结果如 图 1 所示。 (a) Dermatology 5 10 15 20 25 30 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 ᆊᕓ᪜Ⱊ/͖ ܲㆧ㏿᳈̬㜠ᕓ ッ∁1(δ=0.1) ッ∁1(δ=0.4) ッ∁3(δ=0.1) ッ∁3(δ=0.4) ᪳⡚[15]ッ∁(δ=0.1) ᪳⡚[15]ッ∁(δ=0.4) ッ∁1(δ=0.1) ッ∁1(δ=0.4) ッ∁3(δ=0.1) ッ∁3(δ=0.4) ᪳⡚[15]ッ∁(δ=0.1) ᪳⡚[15]ッ∁(δ=0.4) (b) Diabetic Retinopathy Debrecen 2 4 6 8 10 12 14 16 18 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 ᆊᕓ᪜Ⱊ/͖ ܲㆧ㏿᳈̬㜠ᕓ 0 5 10 15 20 25 30 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00 属性数目/个 分类结果一致性 算法1(δ=0.1) 算法1(δ=0.4) 算法3(δ=0.1) 算法3(δ=0.4) 文献[15]算法(δ=0.1) 文献[15]算法(δ=0.4) (d) Ionosphere 算法1(δ=0.1) 算法1(δ=0.4) 算法3(δ=0.1) 算法3(δ=0.4) 文献[15]算法(δ=0.1) 文献[15]算法(δ=0.4) (f) Parkinson Multiple Sound Recording 5 10 15 20 25 0.4 0.5 0.6 0.7 0.8 0.9 1.0 属性数目/个 分类结果一致性 1.0 1.5 2.0 2.5 3.0 3.5 4.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 属性数目/个 分类结果一致性 算法1(δ=0.1) 算法1(δ=0.4) 算法3(δ=0.1) 算法3(δ=0.4) 文献[15]算法(δ=0.1) 文献[15]算法(δ=0.4) (e) Iris 算法1(δ=0.1) 算法1(δ=0.4) 算法3(δ=0.1) 算法3(δ=0.4) 文献[15]算法(δ=0.1) 文献[15]算法(δ=0.4) 1 2 3 4 5 6 7 0.70 0.75 0.80 0.85 0.90 0.95 1.00 属性数目/个 分类结果一致性 (c) Ecoli 0 0.3 ·418· 智 能 系 统 学 报 第 13 卷