《表3 不同降维算法在YaleB人脸库识别率（平均值±相对误差）》

  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

《应用于人脸识别的改进局部保持投影算法》

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

由图3和表3数据分析可知在Yale B人脸库中，4种算法的准确率曲线中RLPP算法的准确率浮动率介于90%～98%之间，比较稳定，且当训练样本数选取为8时，RLPP算法在Yale B人脸库中的平均值最大、相对误差最小，在本次测试样本中优于其他3种算法；由图4和表4数据分析可以看出，在ORL人脸库中进行测试时，不同算法数据差异较大，准确率曲线波动明显，整体数据准确率偏低。其中LPP算法数据不稳定较明显且当训练样本数据为2、3、4时，识别率处在比较低的水平，这是由于LPP算法针对ORL人脸库中部分人脸表情和细节变化，例如戴或不戴眼镜，人脸姿态深度旋转和平面旋转一定度数，人脸尺寸略有变化等检测不敏感。虽然如此，RLPP的准确率仍在LPP，LPANMM和RAF-GE三种算法之上，平均较其他3种算法比较较为稳定，根据相对误差数据进行分析显示测试结果更为客观。这是因为RLPP算法利用类别信息构造吸引向量，从而使用矢量来存储特征的测量结果，进而保留局部邻域结构使实验结果更稳定。