《表1 4种数据集在不同降维方法下的降维结果》

  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

《基于类内和类间距离的主成分分析算法》

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

通过对4种数据集采用PCA、E-PCA、LDA和IOPCA降维方法在MATLAB进行实验，设置PCA、E-PCA、IOPCA的贡献率f=0.95，在实验过程中信息熵阈值根据数据集的属性信息熵来选取。实验得到的降维结果见表1。从表1可以看出，当E-PCA算法中的信息熵阈值为0时，E-PCA等价于PCA。另外，对于Iris数据集，本文方法和PCA、E-PCA方法的降维结果一样，优于LDA方法；然而，对于其它3种数据集，本文方法的降维结果均优于PCA、E-PCA和LDA方法。