《表4 Pavia University数据集的分类总体精度》
在相同的训练集和数据集上验证不同算法的性能。表3表示不同算法在Indian Pines数据集上进行分类的结果。文中算法的分类精度相比较于SVM、SOMP和NRS以及其它算法的分类精度有明显提高。Pavia University数据集的每个类在几种算法下的分类精度见表4。文中提出的改进算法在类Bare soil、Bitumen、Bricks、Gravel、Meadows、Metalsheets和Sadows上取得了很好的分类效果,总体精度分类相比于SVM-CK提高了4.3%,相比于SOMP提高了22.17%,比算法NRS的分类精度提高了13.99%,同时在JCR的基础上提高了1.31%。综合以上表格分类的结果可以得出结论,上下文的空间信息的引入大大提高了分类性能。在正则化项中加入空间信息对分类精度的提高是有利的。
图表编号 | XD00137210900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 刘颖、刘蕊、李大湘、杨凡超 |
绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学电子信息现场勘验应用技术公安部重点实验室、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学电子信息现场勘验应用技术公安部重点实验室、中国科学院西安光学精密机械研究所中国科学院光谱成像技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |