《表2 取不同和K值时分类器准确率情况表》

  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SVM-KNN的人体步态相位识别》

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

由上表可得，5种步态相位的识别率在90.6%到95.3%之间，平均识别率为93.3%，平均识别时间为15.6ms，识别效果较好。相较于SVM算法和KNN算法，KNN-SVM的识别准确率得到提升，并且识别时间较短，当测试样本到SVM分类超平面的距离超过阈值时，选用改进参数的SVM算法进行识别，当距离小于ε时，以SVM分类器的所有支持向量作为测试样本的近邻样本，用KNN算法进行识别，不需要计算与所有训练样本的距离，减少识别时间，提高准确率。本文经过多次试验，当阈值ε=0.7，K=3时，分类器分类器具有最高准确率达到93.3%左右。取不同阈值和K值时分类器的准确率如表2所示。