《表5 不同农作物识别方法对比实验结果》
为进一步探索本文方法在农作物精细分类中的适用性,将本文方法(CNN)与支持向量机(SVM)、浅层反向传播神经网络(BP)进行对比实验。其中SVM选取径向基函数作为核函数,采用基于交叉验证的网格搜寻法确定惩罚因子C和核函数参数γ。BP神经网络隐含层数为1层,采用3-50-4的网络结构,学习率设为0.1,训练次数为2 000。以总体分类精度和Kappa系数作为评价指标。为验证卷积神经网络的稳定性,重复3次实验,不同方法的总体分类精度对比如表5所示。
图表编号 | XD00109915600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 汪传建、赵庆展、马永建、任媛媛 |
绘制单位 | 石河子大学信息科学与技术学院、兵团空间信息工程技术研究中心、石河子大学信息科学与技术学院、兵团空间信息工程技术研究中心、石河子大学信息科学与技术学院、兵团空间信息工程技术研究中心、石河子大学信息科学与技术学院、兵团空间信息工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |