《表3 测试集预测集精度对比》

  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

《基于邻域粗糙集与支持向量机的射频识别系统识别率预测》

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

利用交叉验证与网格搜索法确定支持向量机模型中最优惩罚因子C为2.639，g为0.164，步长选择0.5，对测试集数据进行预测，最终将预测分类结果正确率提高到92.89%，满足精度需求。验证结果如图11所示。将模型的预测集精度与测试集精度进行对比，如表3所示。从预测精度结果来看，基于邻域粗糙集与支持向量机的RFID系统识别率预测模型对第2类、第3类测试数据的预测精确度较高，而第1类数据测试精度较低，这是因为第1类样本数据较少，导致模型预测能力较低。从整体看，该模型可以在建立大量训练集的基础上，在给定新的RFID系统硬件部署条件下，对识别率进行准确的评估预测分类，从而指导硬件部署。针对在不同项目实施过程中，可以根据需要通过设定不同的标签识别率阈值大小范围，对不同环境下的系统识别率进行梯度分类，避免了不断调整参数和部署策略进行大量的验证测试的繁琐，获得工程最优状态，达到较高识别率，来满足场景应用需要。