《表1 各种算法在ORL库上的分类错误率》

  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K近邻的快速稀疏描述改进算法设计》

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

ORL库、FERET库、AR库是目前常见的3种人脸识别数据库．改进算法分别在3种人脸库进行实验．本文从ORL库、FERET库、AR库选出200个人，每人6张人脸图像，共计1 200张人脸图像．在实验前，所有人脸图像都变换为范数为1的单位向量．算法中的γ和μ取值为0.001，K的取值为200．图1、图2和图3分别为改进算法在ORL库、FE-RET库和AR库的分类效果．表1、表2、表3分别给出了在ORL库、FERET库、AR库最近邻分类错误率、快速稀疏算法的最小分类错误率、改进快速稀疏算法的最小分类错误率．