《表1 不同特征选择算法对识别的影响》
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
《基于深度学习和最大相关最小冗余的火焰图像检测方法》
此外,随着所选特征数量的增加,火焰图像的识别准确率先呈上升趋势后逐渐趋于稳定,但中间也出现了下降波动。分析其原因是,利用MRMR特征选择算法对串行特征进行排序后,串行特征向量增多,其中包含的冗余噪声特征信息也在增加,对SVM的识别造成了干扰。同时随着所选特征数量不断增加,模型的计算时间逐渐增长,因此进行有效的特征选择,可提高CNN融合特征的识别效果。综合考虑融合特征维度对火焰图像的识别准确率和计算时间的影响,选取S′k=16作为火焰图像CNN融合的特征维度。表1统计了两种算法中最优特征子集的各性能对比,可得到所提特征选择算法的各性能优于基于方法1的特征选择算法,且所选的最优特征子集数量远少于方法1。
图表编号 | XD00162245700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 李梓瑞、王慧琴、胡燕、卢英 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |