《表2 图像分类的实验结果》

  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

《基于图像分类技术的数字档案管理研究》

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1列出了图像集。存在2716个收集的图像（#CI）、385个训练图像（#TRI）和2331个测试图像（#TI）。在训练阶段，我们在每个类中使用不同的交叉验证参数（#VC）来提高准确度（（%）CVA）、召回率、精确率和F度量用于评估分类性能。表2显示了图像分类的实验结果。召回率（Rec，（%））用TIR/TIT表示，精确率（Pre，（%））由TIR/（TIr+TIw）定义，F-measure是召回的调和平均值和精确率。TIR、TIw和TIT分别是正确聚类图像的数量、错误聚类图像的数量以及每个类的测试图像数量。所有值均以百分比表示，由每个SVM分类器估计的测试图像返回决策值，并且具有最高决策值的分类器被指定为测试图像的类别。ADV是分类器中决策值的平均值。平均F-测量值如表2所示。