《表5 SVM分类结果：基于时频特征的抹香鲸Click与传统声呐信号的分类方法》

  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

表4和表5分别列出了BP神经网络交叉验证实验和SVM交叉验证实验混淆矩阵（Confusion ma?trix）的平均值和平均分类正确率。对比表4和表5的结果，可以发现在相同训练集和测试集条件下，BP神经网络对Click，LFM和HFM信号的识别和分类能力优于SVM，两者的CW分类正确率相差不大，但SVM对LFM和HFM的分类能力较差，分类正确率远低于BP神经网络。BP神经网络对4类信号的分类正确率均高于90%。