《表6 不同识别算法在不同特征下的综合性能比较》
为综合对比识别率和时效性,在相同仿真条件下记录各算法的计算复杂度,实验环境与3.4.1节、3.4.2节保持一致,均为-14~10 d B(步长2 d B)信噪比环境,对应识别率为整体平均识别率,具体结果如表6所示。结果表明:1) KNN和SVM算法训练耗时相对较优,测试时间不及本文字典学习方式,且识别性能不足;2) SDR-SRC和SDR-CRC算法直接将降维输入特征数据集作为整字典,无需字典优化训练,因此训练时耗为0 s,其中,CRC算法采用l2正则测试时效性较高,而SRC算法采用的l1正则约束形式求解复杂度较大;3) JDDRDL算法兼顾线性降维学习和字典学习,降低了原子冗余和特征冗余,测试时效性较高,但列原子迭代优化形式导致训练阶段耗时较大;4)本文DLC算法在无降维特征输入下具备优势,其判别能力与JDDRDL算法相当,且优于其余无降维方式;5)本文的SDR-DLC算法具备低维特征表示和紧致的字典表示,测试时效性和识别率最优。综合来看,SDR-DLC算法通过无监督学习获取低维非线性特征,利用字典学习降低原子冗余性并增强判别性,测试时效性和整体识别率最优,具备一定的应用优势。
图表编号 | XD00182630000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 李东瑾、杨瑞娟、李晓柏、朱晟坤、费太勇 |
绘制单位 | 空军预警学院、空军预警学院、空军预警学院、空军预警学院、空军预警学院 |
更多格式 | 高清、无水印(增值服务) |