《表1 各算法在4个数据库上的聚类结果NMI》

  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

《非负低秩图嵌入算法》

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

%

根据表1、图5、图6、图7和图8可以看出，NMF的聚类性能最差，均低于其他聚类算法。在聚类算法中，本文所提出的NLGE算法由于考虑了数据的低秩结构和流形信息，使得它比其他算法的聚类性能要优异。由表2、图9、图10、图11和图12可知，NMF算法的分类正确率均低于其他算法，这是因为其他算法考虑了数据的流形结构或低秩结构，表明在矩阵分解过程中考虑数据几何结构和低秩结构是非常重要的。由于NLGE算法同时考虑了原始图像数据的几何信息和有效低秩结构，因此其分类准确率高于其他分类算法，这表明数据的几何结构和低秩结构在特征提取中起着重要作用，进而提高分类的准确率。实验中，随机选取样本数据，并重复进行20次，最终的结果是这20次实验结果的平均值。实验结果表明本文所提出的NLGE算法不仅可以有效获取原始图像数据集的有效低秩结构，还增强了抗噪声的鲁棒性，使得其在聚类和分类的情况下都表现出一定的优异性能。