《表1 经典BP神经网络与本文模型的仿真结果对比》
(1)该模型是把数据划分成三个部分,分别是training(训练)、validation(验证)和test(测试),如表1所示,在基础指标上,性能值为上述三个部分的均方误差(MSE)值,该值越接近所设精度值,表明性能越好。不论是经典BP神经网络模型还是本文所构建的模型,分类的精确度均在96%以上,BP神经网络适用于女性服装图像的分类。由于本文所构建的神经网络模型在总体和测试精确度上接近于1,并且训练用时和训练次数都少于经典BP神经网络,特别是在测试部分,经典BP神经网络的训练和测试集的精度值差距过大,模型测试集的表现不佳,所以本文模型更符合女性服装款分类的实际要求。
图表编号 | XD00131864500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 王雅静、宋丹 |
绘制单位 | 湖南工程学院计算机与通信学院、湖南工程学院计算机与通信学院 |
更多格式 | 高清、无水印(增值服务) |