《表1 不同算法在Yale、ORL、YaleB数据集上的识别率 (平均值±相对误差)》

  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

《应用于人脸图像识别的邻域保持极限学习机》

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

%

为验证本文所提出NPELM算法分类性能的有效性，将NPELM与ELM、RAFELM、GELM分别在Yale、ORL和YaleB这3个人脸数据库上进行了人脸识别分类实验，同时为了实验的公平性，每次实验都选用相同的隐层节点数和惩罚参数。在实验过程中随机选取Yale、ORL和YaleB人脸库每类的训练样本个数为L={5，6}，其余部分为测试样本，不同算法在人脸数据集上的识别率如图1～图3所示。为了便于准确清晰地观察每个算法的分类效果，取10次随机实验结果识别率的平均值和相对误差进行汇总，统计结果如表1所示。