《表1 核映射前后在VIPeR数据集上的实验结果》

  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

《基于卡方核的正则化线性判别行人再识别算法》

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

/%

从表2可知，RLDA和KRLDA算法的识别率比MFA和KLFDA算法的要低，原因在于LDA在求解最佳投影矩阵时，很大程度会受到训练样本数量的影响。在VIPeR数据集上，由于每个行人的训练样本个数非常少，导致建立的散度矩阵不能很好地反映样本类内和类间变化，从而在很大程度上影响了算法性能，而MFA和KLFDA算法则保留了样本间的局部拓扑结构，通过构建样本间的局部邻近关系来获得最优投影矩阵，使样本在投影空间内具有更好的可分性，因此，其识别率要比本文算法的高。以下图表中的KLFDA、MFA和KRLDA算法的实验结果都是基于RBF-χ2核函数的。