《表2 子分类器的性能比较》
实验中首先对各子分类器的性能进行了比较,选取了识别率较高的3组分类器作为实验中的子分类器,分别是逻辑回归法、k-近邻法和支持向量机3种分类器。实验结果如表2所示,从表2中可以看出,逻辑回归法的识别率最高,达到了82.78%,支持向量机和k-邻近算法的准确率也是达到了81.64%和81.87%,已经接近其他的传统特征寻找方法得出的准确率[11]。对于选出的最优的103种特征和3种分类器,构造如图5中所示的309种有效分类器,根据每个分类器输出的特征结果,最后进行决策输出。实验分别用了投票法、加权平均法和决策模板法3种融合方法,并对其结果进行了比较。具体的融合模型如图5所示。
图表编号 | XD00131045100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.20 |
作者 | 眭演祥、郑庆云 |
绘制单位 | 工业和信息化部电子第五研究所华东分所、工业和信息化部电子第五研究所华东分所 |
更多格式 | 高清、无水印(增值服务) |