《表2 基于SVM、PNN、LVQ和ELM方法的母猪姿态分类试验结果》
为了验证本文方法的优越性,使用支持向量机(Support Vector Machine,SVM)、概率神经网络(Probabilistic Neural Network,PNN)、学习向量量化(Learning Vector Quantization,LVQ)神经网络和极限学习机(Extreme Learning Machine,ELM)4种方法与本文方法进行了姿态识别对比试验,结果如表2所示。对比试验中各个模型参数设定如下:SVM核函数为RBF函数[16]。LVQ竞争层神经元个数为20,学习率为0.1[32]。ELM隐藏层神经元数为100,激活函数为Sigmoid函数[33]。
图表编号 | XD00152868000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 王凯、刘春红、段青玲 |
绘制单位 | 中国农业大学信息与电气工程学院、中国农业大学信息与电气工程学院、北京市农业物联网工程技术研究中心、中国农业大学信息与电气工程学院、北京市农业物联网工程技术研究中心、农业农村部精准农业技术集成科学试验基地(畜牧业) |
更多格式 | 高清、无水印(增值服务) |