《表1 算法的平均耗时：联合标签预测与判别投影学习的半监督典型相关分析》

  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

《联合标签预测与判别投影学习的半监督典型相关分析》

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

注:加粗字体为每个数据集上训练与测试耗时最短值。

实验是在MATLAB R2014b上进行的，采用如下的实验平台:CPU为Inter（R）Core（TM）i3-6100，主频3.70 GHz以及内存4.00 GB，测试本文算法的运行时间。运行时间结果如表1所示。从表1可以看出，相对CCA，DCCA，ALPCCA，SCCA和LDCCA方法，本文方法的训练时间相对较高，这是因为联合学习模型是需要多次交替迭代。然而，由表1可知，本文方法测试时间短，这是因为联合学习模型学得的投影更加判别，仅需少量特征即可得到较好的结果，所以测试时间短。值得注意的是，在实际应用中，训练过程可通过离线的方式预先获得学习模型；而算法测试性能的好坏，直接决定了整个学习系统的数据处理能力。