特征数据集其他分类性能分析测试方法及结果分析

2025-09-29 理论教育版权反馈

【摘要】：前述测试主要是对利用特征数据进行分类精度对比，由于数据集大小、类分布不同等因素影响，精度只能在一定程度上代表数据对分类的支持情况。为探索特征数据的性能，更深入的分析是必要的。这组分析表明，特征数据集具有较好的线性可分特性。表5.11Fisher线性判别的分类结果2.特异分析在数据集中，一些数据或对象与其中其他数据或对象显著不同，则称是特异数据或特异对象。

前述测试主要是对利用特征数据进行分类精度对比，由于数据集大小、类分布不同等因素影响，精度只能在一定程度上代表数据对分类的支持情况。为探索特征数据的性能，更深入的分析是必要的。作为分类的特征数据，希望其类间距离大而类内方差小，也就是说，不同类别间的特征值距离较远，而同一类别内的特征距离较近。为分析特征数据的距离特性，分别进行了判别式分析和特异分析。

1.判别式分析

为衡量特征数据间的距离，常规的就是利用欧氏距离，欧氏距离也适合本节数据集的计算。鉴于第5.3.5节的分类方法中，线性判别式分类器分类精度较好，选择利用此分类器中的线性判别式来计算数据集的距离特征。前面的实验表明，在区间划分取10行×10列以上时，可以获得较好的精度，为了不增加计算的复杂度，选择10×10划分的数据集，按6类数据规模大致相同的比例，组成一组新数据集，其记录构成为：walking-36、running-40、jogging-40、handwaving-40、handclapping-40、boxing-40，数据集大小为236×84。利用SPSS将集合进行判别式分析，分析以全部84维向量为独立的变量，建立Fisher线性的判别式，并根据判别函数来计算各类间距离与类内距离。

基本的Fisher判别方法是一种两类别判别方法，它利用使Fisher准则达到最大值的方向作为最优投影方向，样本模式在该方向投影后的类间散度达到最大而类内散度达到最小。以投影函数作为判决函数function，当样本的function的得值大于某个阈值时判定为一类，否则判定为另一类。判决阈值f0的典型选择有3种[94]：

pagenumber_ebook=81,pagenumber_book=76

式中：为function作用在第1类和第2类样本上的平均值；N1、N2为第1类和第2类样本的数量；P（w1）、P（w2）为第1类和第2类样本先验概率。

对于多类的判别问题，以一类为判别目标，其他样本均设定为另一类，可以构造一判别函数；在剩余的类中，再以一类为判别目标，其他样本均设定为另一类，构造第2个判别函数；重复此过程，一直到每一类均能判别。所以一般n类分类问题需构造n-1个判别函数。

利用一Fisher判别函数，可以计算出每个记录的得值y。如果将记录数为n的数据集按其类别分为k组，第i组的记录数为ni，那么所在组间距离的平方和也称为组间散度，用式（5.6）表示：

pagenumber_ebook=82,pagenumber_book=77

式中： pagenumber_ebook=82,pagenumber_book=77 为全部数据的判别式得值的平均值；为第i组数据得值的平均值。

可见，SSA是各组平均值与总体平均值离差的平方和，反映了组间的总距离。SSE则反映了组内离差平方和，也称组内散度，其计算方法如式（5.7）所示：

pagenumber_ebook=82,pagenumber_book=77

F则是平均组间平方和与平均组内平方和之比，其值可有效表征数据集中组间松散与组内紧密的对比，计算方法如式（5.8）所示：

pagenumber_ebook=82,pagenumber_book=77

式（5.8）的F服从（k-1，n-k）个自由度的F分布，根据F分布表可以计算出其相伴概率值。如果相伴概率值小于显著性水平a，则认为各组间总体均值有显著差异[151]。

因为数据集中有6类数据，建立了5个判别式Function 1～Function 5，由各判别式的Structure Matrix可知，特征向量的不同分量与不同的Function显著相关，各判别式的特征值如表5.9所示。

表5.9　5个判别式的特征值

pagenumber_ebook=82,pagenumber_book=77

其中的特征值Eigenvalue即为式（5.5）中的F值，表5.9的第1行表示利用Function 1，计算出的F值为41.123，它对整体分类的贡献是65.5%，下一列是累计的贡献百分比，最后一列为典型相关系数，反映的是此判别函数与组别间的关联程度。可以看出5个判别式累计分类的贡献率是100%，与分类类别相关程度均大于0.8；由Structure Matrix可知，数据集中的84维特征分别与5个判别式函数达到相关性显著水平；表5.10中1～6类代表前述的6类行为：walking、running、jogging、handwaving、handclapping、boxing，各类数据在不同的判别式的中心有显著差距，说明5个判别式对此数据集的分类判别是有效的。

表5.10　各类记录在5个判别式上的中心

pagenumber_ebook=83,pagenumber_book=78

如图5.6所示显示出由Function 1和Function 2计算出的各类数据的分布情况，其中，handwaving类别（4），已经能有效区分，但其他类别还要进一步识别。(https://www.chuimin.cn)

pagenumber_ebook=83,pagenumber_book=78

图5.6　由Function 1和Function 2计算的各类数据分布图

如表5.11所示列出了最终的分类结果，可以看出分类错误仍出现在running和jogging之间，这和前面的测试是一致的。

这组分析表明，特征数据集具有较好的线性可分特性。

表5.11　Fisher线性判别的分类结果

pagenumber_ebook=84,pagenumber_book=79

2.特异分析

在数据集中，一些数据或对象与其中其他数据或对象显著不同，则称是特异数据或特异对象。同一类特征数据相似性高，而不同类数据相似性低，在一类数据中掺入少量的其他类数据，希望掺入的数据能被识别为特异的。选择10×10划分的数据集，构造4个子集如表5.12所示，其中每个子集均有一大类，另外的类别记录加一起为小类，约占总记录的10%。

表5.12　4个子集组成表

pagenumber_ebook=84,pagenumber_book=79