《表4 SRLRR算法在extended Yale B和AR数据库中将各参数设置为0时的识别率》

  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

《针对混合污染的结构化鲁棒低秩恢复算法在人脸识别中的应用》

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

可以看出，将的对应参数设置为0后，SRLRR的算法识别率均极大程度地下降，甚至低至3.6%。这是因为本次实验选择的测试样本全都是带有大量混合污染的，而将参数α和β的其中一个设置为0时，SRLRR算法就无法将这些混合类型的污染充分移除（只能移除一种类型的污染，还会有其他类型的污染残留），这会使面部特征受损或模糊，从而影响算法结果。表4中的对比数据说明两项对算法精确度的提升均作出了贡献。