《表2 不同算法实验结果:基于WiFi交错信号与深度神经网络的室内人群数量检测方法》
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WiFi交错信号与深度神经网络的室内人群数量检测方法》
%
实验结果如表2所示。在训练过程中上ANN、KNN和ELM 3种机器学习方法精度都在80%以上,ANN与ELM更是达到了99%以上的正确率,在测试精度上,ANN、KNN和ELM分别仅有77.33%、75.23%与64.65%,而DNN模型在测试精度上相对以上3种模型分别提高了4.9%、7%与17.58%。可见,ANN、KNN以及ELM方法对信号特征较为复杂的RSSI信号的特征提取能力有限,不能很好地区分出不同人数的信号特征,泛化能力较差。而本文的DNN算法通过深层网络结构,各层之间采用全连接方式,对RSSI信号特征进行自动提取,该网络在复杂环境下提取高层特征的能力更强,所提取的特征更加易于分类,模型具有更好的泛化能力和鲁棒性,比ANN、KNN和ELM算法获得了更好的检测性能。
图表编号 | XD00108655800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 陈丹、阴存翊、江灏、邱晓杰、陈静 |
绘制单位 | 福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |