《表9 Salinas数据单类地物分类精度及总体精度》
提示：宽带有限、当前游客访问压缩模式
注：加粗数字表示最佳精度。
表7—表9列出了3组实验数据的分类精度，表中加粗数字为同一行中的最高值，可以看出LBP-DC-CNN的分类精度要明显优于对比方法。通过对比分析，可以得出以下结论：
| 图表编号 | XD00158078000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 魏祥坡、余旭初、张鹏强、职露、杨帆 |
| 绘制单位 | 信息工程大学、信息工程大学、信息工程大学、信息工程大学、信息工程大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 Salinas数据集DTRF参数对本文算法分类精度的影响》2021.02.15
- 《表5 Salinas数据集采用不同方法的分类精度》2021.02.15
- 《表6 各算法在Salinas数据集上的分类精度及其他指标》2020.05.16
- 《表2 不同算法在Salinas的分类精度》2020.04.05
- 《表2 PaviaU数据集中各类地物在不同算法下的分类精度》2020.03.25
- 《表7 总体分类精度统计：天宫一号高光谱遥感场景分类数据集及应用》2020.09.25
- 《表8 Pavia University数据单类地物分类精度及总体精度》2020.08.25
- 《表7 Indian Pines数据单类地物分类精度及总体精度》2020.08.25
- 《表2 Salinas的用户精度、产品精度、总体精度、Kappa系数和运行时间》2020.08.25
- 《表1 不同算法在Indian Pines数据集上的分类精度（±前的数字表示总体分类精度，%；±后的数字表示总体分类精度的标准差，%；括号内的数字表示Kappa系数）》2020.01.25
- 《表4 各算法得到的Washington DC Mall数据集上每类地物的分类精度》2020.01.25
- 《表2 各算法对Indian Pines数据集上每类地物的分类精度》2020.01.25
- 《表6 Pavia University数据数据集各类地物在不同算法下的分类精度（分类精度±标准差）(%)》2019.10.25
- 《表5 不同算法对每类地物的分类准确度（Salinas数据集）》2019.08.20
- 《表3 不同地物分类方案的分类精度》2019.08.05
- 《表5 Salinas数据分类精度（平均值±方差）》2019.08.10
- 《表5 岩溶湿地地物总体分类精度》2019.08.25
- 《表4 不同算法对Pavia University数据集中各类地物的分类精度》2019.01.25
- 《表2 不同算法对Indian Pines数据集中各类地物的分类精度》2019.01.25
- 《表3 地物分类混淆矩阵及分类精度》2019.12.01