《表3 不同算法在Orl_face数据库分类精确度》
由表1~表4可知,在不同k值情况下,各算法对Orl_face数据库的分类效果整体最好,对MultiPIE数据库分类效果的变异度最大,对其他两个数据库的分类效果也较高。而且多数情况下,分类的效果随着k值的增大而减小,但能表明隐式低秩非负矩阵分解(non-negative latent low-rank representation matrix factorization,Nlat MF)模型、NMF、稀疏非负矩阵分解(sparse non-negative matrix factorization,SNMF)和GNMF等结合KNN均能实现对各数据库中图像数据的分类,说明各算法均能有效解决矩阵分解问题,只是分类效果各有不同。从各个算法控制效果对比角度讲,可以看出Nlat MF模型在各数据库分类效果普遍优于NMF,SNMF和GNMF等算法,因此,基于Nlat MF模型是一种新的很有效的矩阵分解手段。
图表编号 | XD00129563100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 杨国亮、龚曼 |
绘制单位 | 江西理工大学电气工程与自动化学院、江西理工大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |