《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》

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

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.