《表1 MNIST数据集的实验效果》

  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

《基于KNN分类器的分层图像特征提取》

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

最后，将该索引ij对应的类别即为该测试样本的预测类别.通过观察，我们可以得出这是普通的1 Nearest Neighbor（1NN）思想.通过考虑噪声的情况，我们考虑使用K Nearest Neighbor（KNN）算法来代替原始的1NN算法，以期待得到更好的分类效果.算法的性能通过测试集上面的均方误差值（MSE）来度量.为了避免随机性对实验结果产生影响，我们通过重复10次实验取来求平均的MSE，实验结果如表1所示.我们可以看出，提出算法与文献[10]中的算法相比有较小的均方误差值和较小的方差，这意味着提出算法有更好更稳定的推广能力.实验在具有4 GB随机存取存储器和2.50 GHz Intel i5处理器的计算机上进行，所有代码都在MATLAB软件中实现.