《表3 特定领域测试结果:改进的Fisher Score特征选择方法及其应用》
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
《改进的Fisher Score特征选择方法及其应用》
注:“-”表示的含义与表2一致.
总体上看,表3中的结果显示两种改进加起来的效果是优于其它6种方法的,除了warpAR10P数据集,改进方法在两种分类器下都能取得最高的准确率,在warpPIE10P数据集上NFS1方法更为显著,其它数据集上则是NFS2表现更佳,但都是优于其它6种对比方法的.准确率上来说,6种对比方法本身各有千秋,差距还是很明显的,LS方法在总体上的表现差强人意,可见并不适合人脸识别的领域,而传统方法FS本身所具有的优势也很明显,说明在应用领域上,Fisher Score本身就是很好的选择,而改进NFS1、NFS2方法在准确率的提升上也有一定的效果.从方法上来说,改进方法MFS,即本文改进思想的一方面来源也表现很好,经过本文不同方面的考虑后,使得这种良好效果也有了进一步地提升.
图表编号 | XD00100858200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 吴迪、郭嗣琮 |
绘制单位 | 辽宁工程技术大学理学院、辽宁工程技术大学理学院、辽宁工程技术大学智能工程与数学研究院 |
更多格式 | 高清、无水印(增值服务) |