《表6 基于GANBPSO-SVM的不同比例训练样本的分类结果Table 6 Classification accuracy based on GANBPSO-SVM under different

《表6 基于GANBPSO-SVM的不同比例训练样本的分类结果Table 6 Classification accuracy based on GANBPSO-SVM under different   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GANBPSO-SVM的高光谱影像特征选择方法》


  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

采用本文提出的GANBPSO-SVM方法，分别选择10%、20%、50%、80%的样本数据作为训练数据集，对不同比例训练样本进行分类，迭代次数设定为300次，分类精度如表6，分类效果如图3所示。如表中所示，分类精度随着训练样本比例的增高而增高，说明训练样本比例越高，影像的分类精度越高，越能体现目标地物的特征。

图表编号XD0015357600    严禁用于非法目的
绘制时间2018.06.01
作者谢福鼎、姚娆
绘制单位辽宁师范大学城市与环境学院、辽宁师范大学城市与环境学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表6 不同训练样本比例下的全局准确率（Salinas)》2020.04.01
  2. 《Table 6 Classification accuracies on Iris dataset (Mean±Std) 表6在Iris数据集上的分类准确率 (均值±方差)》2019.03.01
  3. 《表6 不同训练样本比例的操作时间》2019.01.16
  4. 《Table 2 Classification accuracy of discriminant analysis表2判别分析的分类准确率》2019.02.20
  5. 《表6 同质性分类精度评价Tab.6 Accuracy evaluation on of homogeneity classification》2019.01.25
  6. 《Table 6 Accuracy of each method in multi-class classification表6多分类问题各方法精度》2019.01.01
  7. 《表5 样本分类结果精度对比Tab.5 Accuracy comparison of sample classification results》2019.01.20
  8. 《表2 分类精度表Tab.2 Classification accuracy table》2019.01.25
  9. 《表3 2014年土地利用分类精度评价结果Table 3 Classification accuracy for land use in 2014》2018.09.01
  10. 《表4 2016年土地利用分类精度评价结果Table 4 Classification accuracy for land use in 2016》2018.09.01
  11. 《表2 2010年土地利用分类精度评价结果Table 2 Classification accuracy for land use in 2010》2018.09.01
  12. 《Table 6 Classification accuracies from different of hidden sizes for PAN-Stockholm data》2018.12.01
  13. 《表6 与流行网络模型的情感分类准确率Tab.6 Emotional classification accuracy of E-net and other popular models》2018.08.15
  14. 《表2 不同模型的分类准确率对比Table 2 Classification accuracy comparison results of different models》2018.03.30
  15. 《表3 不同分类器200个波段下的分类精度Table 3 Classification accuracy by different classifiers in the original hyperspectral image》2018.06.01
  16. 《表3 分类结果的精度/召回率和准确度Table 3 The precision/recall and accuracy of the classification results》2018.07.01
  17. 《表2 分类结果的精度/召回率和准确度Table 2 The precision/recall and accuracy of the classification results》2018.07.01
  18. 《表8 不同分类方法的局部放电识别结果Table 8 PD pattern recognition accuracies using different classification methods》2018.05.01
  19. 《表6 基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类结果Table 6Bearing condition classification results using LS-SVM based on permutation entr》2018.10.10
  20. 《表2 不同抽样比例RF、SVM方法分类精度比较Table 2Classification accuracy and Kappa coefficients of RF and SVM under different sampling rate》2018.08.25

随机翻阅

《表1 种子行政强制措施分类表》 《表3 各预测变量对汉字识别和听写的起始水平和发展速度的预测作用》 《表1 室温下InGaN/GaN MQWs的结构参量》 《表2 我国环境质量标准及污染物排放标准中的总大肠菌群规定限值》 《表2 状态变量形成的雅可比矩阵最小奇异值》 《表3 高千伏摄片和DR摄片的诊断结果一致性对比》 《表3 2017年郑州市居民心脑血管病年龄组发病、死亡情况》 《表4 影响脑出血后并发迟发性脑水肿的多因素Logistic回归分析》 《表4 DEA对盐酸奈福泮对映体分离的影响Tab.4 Effect of DEA on the separation of nefopam hydrochloride》 《表4 各层级综合科/处室占比》