《表3 k值对OA的影响：基于K近邻卷积神经网络的点云模型识别与分类》

  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K近邻卷积神经网络的点云模型识别与分类》

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

利用KNN算法构建局部邻域图的过程中，不同的搜索半径k下的局部结构信息也不相同，从而影响识别与分类结果。因此在其他条件不变的情况下，多次设置不同的k值进行实验以寻找最优结果。表3为选取不同k值对实验结果的影响，其中k1表示对点云使用KNN算法时设置的近邻点个数，k2表示对特征使用KNN算法时设置的特征个数。可以看出，随着k1、k2的增加，算法的OA也不断提高，这表明在构建局部邻域时，局部邻域内必须包含一定数量的点或特征，避免局部特征数量较少对识别分类结果产生影响。但k1、k2的增大，会导致构建的局部邻域增大，从而增加训练时间。