《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》
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。
图表编号 | XD00162252100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 于挺、杨军 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |