《表3 在遮挡图像上的聚类结果》

  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

《流形学习与成对约束联合正则化非负矩阵分解》

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

使用归一化互信息（normalized mutual information，NMI)[27]和芮氏指标（Rand index)[28]作为聚类结果的评价指标。两种评价指标的取值范围均为[0，1]，值越大表明算法的聚类性能越好。6种算法在本文的实验数据集上的聚类结果对比如表2所示。从表2中可以看出，本文算法的聚类性能在多数数据集中都优于其他5个对比算法。这就意味着本文算法结合有效利用成对约束信息和充分学习样本结构信息这两方面的正确性和有效性。特别需要注意的是，AR和PIE这两个数据集中的图像中都包含着大量遮挡区域和不同光照引起的干扰，而从结果中可以看出：本文的NMF-JRMLPC算法相对其他算法都表现出了较大的性能优势。这就证明了基于l2，1范数的目标函数对噪声和干扰所具有的鲁棒性。此外，表3中对有遮挡图像的聚类结果更进一步地说明了这一点。