478. 智能系统学报 第7卷 1.0 0.9 0.91 0.8 0 0.7 0.6 *二FiPW 00 20 30 0.50 维数 15 20 2530 维数 (f)k=8的训练 (b)k=4的训练 图6ORL人脸数据集上各算法识别率与降维数的关系 Fig.6 Relation between recognition accuracy and re- duced dimension on ORL 表1ORL人脸数据集上各算法识别率 Table 1 Recognition accuracy of PCA,LPP,LDA and FEMPW on ORL 尺寸k PCA LPP LDA FEMPW 30.711(28)0.789(28) 0.814(30)0.789(28) 4 0.808(28) 0.867(30) 0.875(30) 0.867(30) 30 50.845(22) 0.890(24) 0.905(30) 0.890(24) 15 20 25 维数 6 0.863(22) 0.906(30) 0.950(30) 0.906(30) 70.892(20)0.917(22) 0.925(26) 0.900(22) (c)k=5的训练 80.873(20)0.925(30)0.938(26) 0.925(30) 平均0.8320.882 0.9010.882 1.0 由图6和表1可以看出：随着训练样本数的增加， 各算法的识别率基本呈上升趋势.当降维数较高时， 0.9 EPW具有优良的降维性能，甚至可以达到最优的识 别率.从平均性能看，EMPW的识别率明显高于PCA 且略低于DA,但亦能较好地完成降维任务.此外， FEMPW的降维效果等同于LPP,该实验现象与第2节 0.7 理论分析得到的“当&→∞时，FEMPW等价于LPP”结 0 论一致 10 15 20 2530 维数 4.2.2 Yale Yale人脸数据集共有15个人的人脸灰度图像， (d)k=6的训练 每人11幅，共165幅.图7列举了部分Yle人脸数 据集上的图像.Yale数据集中人脸的表情、光照等 1.0 变化比ORL数据集要快. 0.9 函0.8 图7Yale人脸数据集部分人脸图像 0.7 Fig.7 Part of Yale facial datasets 将Yale人脸数据集中每个人的前k幅图像作 00 20 25 30 为训练样本，剩下的图像作为测试样本.实验中= 维数 4,5,…,8,降维数分别取2,4，…，14.k取各值时， (e)k=7的训练 PCA、LPP、LDA和FEMPW的识别率与降维数的关