《表1 本文模型与传统LDA的类间距离》

  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

《基于局部特征编码的LDA铁路扣件检测模型》

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

分别采用本文模型和传统LDA模型表达扣件图像，分析不同类别图像之间的类间距离以及同类别图像的类内散度。类间距离是不同类别间均值的差值，类间距离越大，模型对不同类别图像的区分能力越强。类内散度是某类中所有数据与该类别均值求差的平方和，类内散度越小，模型描述图像的性能越稳定。经多次实验优化，实验参数设置如下:图像子块大小为20×20，子块间重叠像素为10，单词容量V=100，主题数量K=20，先验常数αk=0.1，LLC编码系数λ=0.5，图正则化系ω=0.6数。类间距离实验结果如表1所示，类内散度实验结果如表2所示。