《表4 UMIST数据上的最佳分类性能及相应的标准差和特征数Tab.4 Optimal recognition rate as well as corresponding standard devia
从图1~2可以看出,LRDP的性能几乎总是优于其它的算法.对各个P值,各个算法在特征数比较少时,分类性能随着特征数的增加而快速上升,当特征数达到一定值后,性能上升变得缓慢甚至有少许下降,说明随着特征数的增加,判别信息的增加变得不明显,其原因为受到冗余特征的负面影响.随着P值的增加,即训练样本数的增加,各个算法的性能都有一定的提高,说明训练样本的特征是判别信息的主要来源.从表3~4可以看出,LRDP最佳性能总是优于其它算法(包括MFA).
图表编号 | XD0031169500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.28 |
作者 | 苏雅茹、许智杰、吴小惠 |
绘制单位 | 福州大学数学与计算机科学学院、福州大学数学与计算机科学学院、厦门大学航空航天学院 |
更多格式 | 高清、无水印(增值服务) |