《表3 基于MKSPMCCA算法的3组特征融合的识别结果》

  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

《基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法》

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

对多域特征进行融合时，MKSPMCCA算法计算得到的前5对典型变量对可解释水下目标全部信息的95.54%，因此，只需要前5对典型变量对进行分类实验。其中，核函数选用多项式核函数K（x，y）=（xTy+1）d，d=2和高斯核函数K（x，y）=e（-‖x-y‖2/t），t=5。图4给出了使用不同融合算法对多个特征集进行融合的识别结果。表3给出了基于MKSPMCCA算法的特征X1，X2和X3融合后的分类情况，表4给出了基于MKSPMCCA算法的4组特征融合后的分类情况。