《表7 不同结合策略的CBTR方法实验对比结果》
假想笔画、路径签名和8方向特征分别作为特征矩阵输入,将输出3种CNN结果。CBTR方法采用结合策略计算预测结果。表7给出了本文集成CNN算法使用不同结合策略的实验对比结果。结合策略主要有3种:平均法、投票法与学习法。本文实验则对比了简单平均法与简单投票法的对比结果,学习法将在未来进一步探索。其中,CBTR-avg表示使用简单平均法的结合策略;CBTR-vot表示使用简单投票法的结合策略。从实验结果可以看出,CBTR-avg方法的精度高于CBTR-vot方法,简单平均法更适用于本文场景。
图表编号 | XD00180063600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 罗麟、张非、位一鸣、袁海范 |
绘制单位 | 国网浙江省电力有限公司舟山供电公司、国网浙江省电力有限公司舟山供电公司、国网浙江省电力有限公司舟山供电公司、国网浙江省电力有限公司舟山供电公司 |
更多格式 | 高清、无水印(增值服务) |