不同累计贡献率下PDEs对CCA的影响

• 作者: 杨静 王振 范丽亚 雷田田
• 来源期刊: 聊城大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数理基础与人工智能研究
• 页码范围: 12-21
• 页数: 10页
• 分类号: TP391
• 字数: 6594字
• 语种: 中文
• DOI: 10.19728/j.issn1672-6634.2020.03.003

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范丽亚	聊城大学数学科学学院	47	78	5.0	6.0
2	杨静	聊城大学数学科学学院	11	19	3.0	3.0
3	雷田田	聊城大学数学科学学院	2	0	0.0	0.0
4	王振	聊城大学数学科学学院	4	0	0.0	0.0