《表3 数据集1变化检测结果精度评价》
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
《基于超像元词包特征和主动学习的高分遥感影像变化检测》
观察图7的曲线走势,基于主动学习方法(BOW-IAL、LOW-IAL)比基于随机采样方法(BOW-RS、LOW-RS)的F1分数上升速度更快,且基于主动学习方法的收敛精度更高,这说明采用主动学习方法比随机采样方法更能有效改善分类模型的性能、提高检测精度和加速算法收敛。此外,图中显示基于随机采样方法和基于主动学习方法的学习曲线波动均较大,前者是因为随机采样的样本信息含量不稳定,后者是由于每次迭代训练样本数量相对较少,易受“孤立点”影响,造成检测精度出现起伏现象。图8和图9给出了20次实验中基于主动学习方法(BOW-IAL、LOW-IAL)收敛时,基于随机采样方法(BOW-RS、LOW-RS)和基于主动学习方法的最佳检测结果,其变化检测结果精度评价分别如表3和表4所示。
图表编号 | XD00102964000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 杨进一、徐伟铭、王成军、翁谦 |
绘制单位 | 福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家地方联合工程技术研究中心、福州大学数字中国研究院(福建)、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学地理空间信息技术国家 |
更多格式 | 高清、无水印(增值服务) |