《表4 BP神经网络分类结果》

  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

《基于时频特征的抹香鲸Click与传统声呐信号的分类方法》

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

从表5还可以看出，SVM对LFM和HFM分类准确率较低，主要表现在SVM将较多的LFM测试样本（30.75%）错误地分类到HFM，同时也将较多的HFM测试样本（32%）错误地分类到LFM。这表明，相比其他两类信号，LFM和HFM的时频变化趋势更为相似，两者时频特征向量在SVM的输入特征空间有较多重合区域，同时SVM的核函数无法将两者的时频特征向量有效映射到线性可分空间内，最终导致SVM将较多的LFM和HFM特征向量错误分类。