《表1 各种算法的平均识别准确率》
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
《一种邻域自适应半监督局部Fisher判别分析算法》
/%
在本实验中,分别利用PCA、LFDA、SELF和NA-SELF等算法对两类人工数据集进行降维,采用可视化比较实验直观地验证降维算法的性能,算法采用MATLAB R2013a实现。在每个人工数据实验中,由二元正态分布随机产生200组数据,每组数据包含两类各100个无类别标签数据和10个有类别标签数据,两类数据分别用圆形和三角形表示,无标签和有标签分别用空心和实心表示。图1~3为实验1~3中的一组数据及不同算法得到的投影方向,直线表示一维投影空间,分别用不同线型绘出。在每个人工数据实验中将一组作为训练样本,另一组作为测试样本,先对测试样本进行降维得到投影转换矩阵,再使用投影转换矩阵对测试样本进行降维。将低维特征输入支持向量机进行训练识别,共进行100次实验,识别率的均值如表1所示。设定SELF和NA-SELF算法中权系数β=0.5,SELF算法中近邻数k=7,SVM的核函数选用径向基核函数,设置惩罚参数C=1,核函数参数g=1。
图表编号 | XD0035694100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 杜伟、房立清、齐子元 |
绘制单位 | 军械工程学院火炮工程系、军械工程学院火炮工程系、军械工程学院火炮工程系 |
更多格式 | 高清、无水印(增值服务) |