《表7 采用NB分类器时5种算法的分类准确率 (单位:%)》
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
《一种改进的主成分分析特征抽取算法:YJ-MICPCA》
最后,在相同维度下比较YJ-MICPCA与其他非线性降维方法(LLE、Isomap、MSD、KPCA)的总体分类精度,以PCA在t=95%时的维度为基准,得到结果如表6~表8所示(表中粗体部分显示各数据集的分类准确率最大值)。从表中可以看出,采用不同分类器时,在大多数数据集上YJ-MICPCA算法较其他方法均占有优势,分类精度更高。
图表编号 | XD0045320800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 谢昆明、罗幼喜 |
绘制单位 | 湖北工业大学理学院、湖北工业大学理学院 |
更多格式 | 高清、无水印(增值服务) |