《表1 各算法在4个数据库上的聚类结果NMI》
%
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。
图表编号 | XD00134731200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 刘国庆、卢桂馥、周胜、宣东东、曹阿龙 |
绘制单位 | 安徽工程大学计算机与信息学院、安徽工程大学计算机与信息学院、安徽工程大学计算机与信息学院、安徽工程大学计算机与信息学院、安徽工程大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |