《表2 Isolet数据集的精度比较》

  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

《基于判别性解析字典与分类器学习的模式分类》

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

Isolet spoken letter识别数据库有150名受试者，他们两次说出每个字母的名称。所描述的特征包括谱系数、轮廓特征，响音特征，前响音特征和后响音特征。受试者被分成5组，每组30个人，分别命名为Isolet1到Isolet5。在本研究中，使用Isolet2至Isolet5评估DADCL模型与SRC、KSVD、DKSVD、LC-KSVD2和JEDL的性能。对于每一组，通过改变3到30的标记口语字母的数量来检查性能，间隔为3，其余的用于测试。实验表明，本文的模型在α=10，β=0.01和γ=1时性能较训练和测试阶段的平均运行时间。从表2得到以下观察结果：（1）可以看出算法具有性能优势，即DADCL可以得到比其他更好的结果；（2）对于运行时间，最小化分类残差的SRC和KSVD都比使用SR的方法慢。尽管DADCL需要从训练阶段获得分类器，DADCL的实际运行时间仍与LCKSVD2和JEDL的实际运行时间相当，因为通过使用DADCL的解析字典P进行的测试过程非常高效。