第6期 刘忠宝，等：从Parzen窗核密度估计到特征提取方法：新的研究视角 477. 4.1人工数据集 为了直观地考察FEMPW的有效性，人为构造 一些数据集.图3(a)为实验数据集，图3(b)为实验 结果.实验结果表明，FEMPW很好地发现了数据的 本质特征.图3(b)中由“×”组成的线段表示 FEMPW发现的主特征，它忽略了右上角的数据点. 由此可见，MPW能发现数据的局部特征，因而找 到了更适合的特征方向， 2.0 0.5 1.52.0 (b)实验结果 1.5 图4人工数据集2及实验结果 2.1.04 Fig.5 Man-made dataset 2 and experimental results 0.5 4.2人脸数据集 4.2.10RL 0.5 1.01.52.0 ORL人脸数据集包含40个人的人脸灰度图 像，每人10幅，共400幅.图5列举了0RL人脸数 (a)人工数据集1 据集部分人脸图像. 2.0 1.5 1.0 图5ORL人脸数据集部分人脸图像 Fig.5 Part images of ORL facial datasets 0.5 实验选取每人的前k幅图像作为训练样本，剩 0.5 1.0 1.52.0 余图像作为测试样本.k=3,4,…,8,降维数分别取 (b)实验结果 10,12,·,30.k取各值时，PCA、LPP、LDA和 图33人工数据集1及实验结果 EMPW的识别率与降维数的关系如图6所示，各 Fig.3 Man-made dataset 1 and experimental results 算法最优识别率记录于表1.表1中，括号中的维数 图3中数据的本质特征是2个几何圆形， 表明取到最优识别率时的维数.实验中LDA采用 FEMPW发现的主特征在竖直方向（投影点用“+” PCA+LDA方法， 表示)，该方向上数据被很好地分开.实验结果表 明，FEMPW能识别数据的本质特征， 0.9r 5 08 0.7 2 0.5 0 1520 30 0.5 1.0+ 1.52.0 维 (a)k=3的训练 (a)人工数据集2