《表5 采用NB分类器时YJ-MICPCA和PCA算法的分类准确率最大值 (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》
下面比较不同维度(即主成分个数)变化时,PCA和YJ-MICPCA这两种特征抽取算法的最高分类精度及分类精度随维度的变化情况。降维后的数据服从高斯分布,并且特征之间不相关,正好满足高斯朴素贝叶斯分类器的条件,同时,考虑到参数调节、运算复杂度和文章篇幅等问题,以下仅列出采用高斯朴素贝叶斯分类器时各数据集的分类准确率最大值(如表5所示),以及LSVT数据集的分类准确率随维度变化情况(如图1所示)。
图表编号 | XD0045321400 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) |