不同累计贡献率下PDEs对CCA的影响
雷田田
王振
范丽亚
杨静
1.聊城大学数学科学学院,山东聊城2520592.聊城大学数学科学学院,山东聊城2520593.聊城大学数学科学学院,山东聊城2520594.聊城大学数学科学学院,山东聊城252059
摘要：针对高维噪声图像(光暗、有遮挡)的分类问题,分类质量的好坏严重依赖于图像降噪方法和降维方法的选择.本文提出基于偏微分方程组(PDEs)的典型相关分析(CCA)作为联合降噪降维方法,并研究了PDEs的进化对CCA中累计贡献率的影响.分别以支持向量机(SVM)和一对余多类SVM(OVR-MSVM)为分类器,以分类精度为标准,在ExtendedYaleB人脸数据集和Palm-print掌纹数据集上进行了大量的实验.实验结果表明,PDEs的进化可以弱化累计贡献率的影响,甚至不用选择累积贡献率,通过不超过5次的进化即可达到同等条件下的最佳分类精度.
关键词：图像分类偏微分方程组典型相关分析累计贡献率进化次数
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(11801248)山东省自然科学基金(ZR2016AM24)山东省自然科学基金(ZR2018BF010)
论文发表日期：2020-06-28
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：10( 12-21 )
英文信息