《表2 不同分类器的精度比较》

  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

《基于卷积神经网络与主动学习的高光谱图像分类》

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

从图6可以看出，随着迭代次数的增加，6种方法的分类精度都在上升。这说明对于任何有效的分类器，主动学习方法都具有提升分类精度的作用。表2给出6种方法在3个数据集上的3种分类评价指标。在3个数据集上，带有边缘采样的SVM方法比随机选择样本的SVM方法总体分类精度分别提高2.44%、2.51%和2.31%，可知边缘采样方法对于高光谱图像分类结果具有明显的改善作用。而4种神经网络方法对比SVM方法都有明显的提升，精度提升的幅度在4%～11%之间，这说明在处理高光谱图像这种高维数据时，神经网络方法相比于SVM这种浅层学习模型有着明显的优势。