《表3 不同分类方法精度对比Tab.3 Comparison of accuracy in different classification methods》

《表3 不同分类方法精度对比Tab.3 Comparison of accuracy in different classification methods》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《采用ACGAN及多特征融合的高光谱遥感图像分类》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

Indian Pines数据集分类结果及精度对比，如图10和表3所示.由图10和表3可知:ACGAN-LBP-CNN分类法中，用CNN进行光谱空间特征分类时，训练次数仅需50次，且训练样本率可降低至0.05（将1，7，9，16这4类的训练样本数增至5个），即训练集个数为517，测试集个数为9 732.由于训练次数和训练集的减小，模型的运算量也减小，运行时间随之明显降低.采用10次实验为一组的统计结果发现，OA的平均值达到0.979 8，相比ACGAN分类法提升3.52%.由图10可知:ACGAN模型在不进行空间滤波的情况下，也可获得比半监督的3DBF-GANs更好的分类精度；将ACGAN作为纹理特征提取器并使用CNN进行分类，优于直接使用原始光谱数据进行分类；纹理特征的加入，可提升分类精度.

图表编号XD0034181400    严禁用于非法目的
绘制时间2019.01.20
作者刘群、陈锻生
绘制单位华侨大学计算机科学与技术学院、华侨大学计算机科学与技术学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 不同分类方法的分类精度Tab.3 Accuracy of different classification methods》2018.10.01
  2. 《表2 不同隐藏层结构下DCNN的分类精度比较Tab.2 Comparison of DCNN classification accuracy under different hidden layers》2019.02.01
  3. 《表5 不同算法的分类精度Tab.5 Classification accuracy of different algorithms》2019.02.01
  4. 《表3 不同模型在二分类任务中的情感分类准确率对比Tab.3 Accuracy comparison of different models in sentiment two-classification tasks》2019.01.10
  5. 《表1 不同网络层次的分类准确率对比Tab.1 Classification accuracy comparison of different network hierarchy》2019.01.10
  6. 《表4 Pavia University分类结果精度对比Tab.4 Accuracy comparison of classification results at Pavia University》2019.01.20
  7. 《表5 样本分类结果精度对比Tab.5 Accuracy comparison of sample classification results》2019.01.20
  8. 《表2 各模型的参数选择结果以及分类精度对比Tab.2 Comparison of parameter selection results and classification accuracy of each model》2019.01.25
  9. 《表3 不同计算方法精度对比Tab.3 Comparison about accuracy of different calculative methods》2019.01.10
  10. 《表3 2种分类方法的分类精度比较Tab.3 Comparison of classification accuracy between the two methods》2018.12.01
  11. 《表3 不同滤波器参数的情感分类准确率Tab.3 Accuracy of image emotion classification using CNN with different parameters》2018.08.15
  12. 《表2 不同模型的分类准确率对比Table 2 Classification accuracy comparison results of different models》2018.03.30
  13. 《表4 不同分类方法精度对比表Tab.4 Accuracy comparison results of different classification methods》2018.10.25
  14. 《表3 不同分类器200个波段下的分类精度Table 3 Classification accuracy by different classifiers in the original hyperspectral image》2018.06.01
  15. 《表3 不同规模随机森林的分类准确率Tab.3 Classification accuracy of different-sized random forest》2018.04.10
  16. 《表3 不同方法训练精度及分类精度对比Tab.3 Comparison of different methods on test accuracy and pixel wise classification》2018.06.01
  17. 《表2 不同分类方法的精度Tab.2 Different Methods of Classification Accuracy (%)》2018.11.20
  18. 《表3 分类精度评价Tab.3 Accuracy Assessment on Different Classification Methods》2018.10.20
  19. 《表3 不同特征提取方法的识别准确率Tab.3 Classification accuracy of different feature extraction methods》2018.10.01
  20. 《表4 不同计算方法的精度对比Table 4 Comparison of calculated accuracy between different methods》2018.01.25

随机翻阅

《表7 基于正式制度环境分析》 《表1 分级组与常规组护理人员护理差错发生率对比》 《表2 各测点现场试验结果与有限元仿真计算结果对比》 《表3 TDD-NCP模型参数反演结果表》 《表5 不同处理土壤碳库管理指数》 《表5 75MVA主变和100MVA主变经济比较》 《表3 两组骨转移瘤中度疼痛患者治疗过程中出现爆发痛次数情况对比》 《表1 各土层的物理力学参数》 《表1 两组患者干预前后心理状况评分比较》 《表3 索维筛查仪球镜、柱镜的分布特征和参考值范围 (D)》