不同累计贡献率下PDEs对CCA的影响

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.