《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》

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

%

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。