《表1 维数r、m不同取值时PCA-SLPP的分类正确率, 》
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
《一种基于流形学习的PCA-SLPP特征空间降维方法》
为考察不同降维环节截取的降维维数对算法性能的影响,分别选取不同PCA降维维数r、SLPP降维维数m进行实验。表1是本文PCA-SLPP降维方法在参数r和m取不同值时的分类正确率,其中r和m的范围均为1~11,且m≤r。图3是当r分别取7、8、9、10,m取不同值时的分类结果。由图3可看出,当r一定时,分类正确率随着m的增大呈上升趋势,直至平稳,且m从1增大到2时分类正确率提升较大,表明局部结构的保留对分类效果有较大影响。图4是m分别取2、3、4、5时,分类正确率随r的变化情况。由图4可看出:m=2时(m过低),分类正确率不稳定;m=3~5时,分类正确率随着r的减小出现先略微增大后减小的趋势,如当m=5,r从11减小到9时,分类正确率从90.83%上升到97.50%;继续减小r至5,则分类正确率下降到94.17%,表明PCA在逐渐减少主成分个数的过程中,数据间相关冗余逐渐减少,对于分类不利的影响逐渐消除;但减少到一定程度后再次减小,则会使用于分类的有效信息逐步丢失。
图表编号 | XD00197726400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 王培珍、王慧、刘曼、王高、张代林 |
绘制单位 | 安徽工业大学电气与信息工程学院、安徽工业大学冶金减排与资源综合利用教育部重点实验室、安徽工业大学电气与信息工程学院、安徽工业大学电气与信息工程学院、安徽工业大学电气与信息工程学院、安徽工业大学煤的洁净转化与综合利用安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |