《表5 多种分类器分类结果》
同时,本文还引入了目前比较常用的分类器对该数据集进行分类处理。从表5中可以看出,本文倾斜摄影测量点云的分类框架相比于其他几种分类器的分类结果有着较高的分类精度。此外,为了验证本文分类框架的适用性,将分类框架中的随机森林分类器替换为SVM分类器,利用二次Renyi熵改进传统SVM,并利用LBP算法进行后处理优化。从表5中的实验结果发现,改进后的算法较传统SVM分类效果更好,总体精度提高了3.19%,Kappa系数提升了6.25%,说明本文分类框架具有适用于不同传统分类器的能力。
图表编号 | XD00126928000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.20 |
作者 | 李枭、王双亭、王春阳、都伟冰、赵利霞 |
绘制单位 | 河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院、河南理工大学测绘与国土信息工程学院 |
更多格式 | 高清、无水印(增值服务) |