《表8 采用k-NN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》

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，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。