《表1 k NN算法精确度及时间对比》

  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

《一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用》

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

3.2节中两部分实验所得结果分别如表1、图2所示。从表1可以看出，当固定k NN算法的k值时，经过GRPCA去冗余后再分类的精确度均达到了85.5%以上，比直接使用k NN的精确度要高出2.91%~4.79%；相对经典降维算法PCA和RPCA预处理后的结果的精确度分别高出2.91%~4.79%和1.22%~1.85%，并且3种方法所用时间几乎无差别。从图2可以看出，在SVM算法中，经过GRPCA去冗余处理后的精确度高达89.52%，比直接使用SVM的精确度要高出2.76%，比PCA和RPCA预处理后的精确度分别高出2.76%和3.89%。由于3种方法所需时间均较长（大于6 h），故不作时间对比。