《表5 KSC数据 (1 870个点) 不同块数对应的纯净点数Tab.5 Pure points of different number of blocks (个) on KSC data》

  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

《多流形LE算法在高光谱图像降维和分类上的应用》

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

图6分别是3种数据在10%的训练数据下不同的K值对应的总体分类精度。从图中可以发现，随着K值的增大，MLE和LE算法的分类精度呈现下降的趋势，而MLE_Spatial和MLE_Spatial_Label算法的分类精度呈现上升的趋势。随着K值的增大，领域范围在逐渐变大，邻域中包含异类点的概率也增大，由于LE和MLE算法并不能很好地度量异类点之间的权值，因此效果将会变差，而改进后的多流形LE算法可以较好地度量异类点之间的权值，在一定的范围内，K值越大，领域中的点数就越多，从而可以更好地表示局部流形结构，效果也随之提高。