《表4 在COIL-20数据集上的聚类结果 (均值±标准差)》

  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

《基于自步学习的鲁棒多样性多视角聚类》

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:加粗字体为最优值。

不同于特征的简单拼接，所提出的RD-MSPL方法能够更为有效地利用多个视角之间的互补信息。为了更好地说明这一点，图2给出在NottingHill数据集上所提方法分别在单视角和多视角条件下的混淆矩阵，从图2可以看出，虽然LBP特征在所有3种特征中总体表现最优，但是易将第3类混淆为第5类；与此相反，Gabor特征虽然总体表现较差，但是能较好区分第3类。3种特征各有所长，而RD-MSPL能够有效获取3种特征的互补信息。