《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》
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%。
图表编号 | XD00111122500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 卜令冉、华波、蒋佳佳、颜晗、段发阶、王宪全、李春月、孙中波 |
绘制单位 | 天津大学精密测试技术及仪器国家重点实验室、中国船舶工业系统工程研究院、天津大学精密测试技术及仪器国家重点实验室、中国船舶工业系统工程研究院、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |