《表3 基于特征选择的2个数据集识别结果》

  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

《基于改进差分进化算法的鳞翅目昆虫图像识别方法》

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

利用2.1部分提取的昆虫图像纹理特征数据集，分别利用频繁出现模式、BDE和BADE方法筛选纹理特征，其识别准确性见表3。由表3可知，对利兹蝴蝶数据集和本课题收集的图像数据集，基于频繁出现模式的PROCRC算法的识别率分别为65.92%和84.55%，与原来相比分别降低了15.81%和3.63%，这说明该方法在特征选择过程中可能滤掉了部分有用的特征；基于频繁出现模式的KNN算法的识别率与原来相比则分别提升了12.64%和0.24%。BDE特征选择方法也能有效提高分类器的识别准确性，其对PROCRC算法的提升率分别为3.29%和0.68%，对KNN算法的提升率分别为9.93%和2.29%。与BDE相比，BADE更进一步提高了识别准确性，用PROCRC分类器时，其准确性分别提高了5.81%和1.66%，用KNN分类器时则分别提高了13.49%和3.09%。