《表2 各种算法材质鉴别效果和效率对比》
为了验证文中所提出算法的优势,还引入了逻辑回归算法(Logistic Regression)、支持向量机算法(Support Vector Machines,SVM)、K近邻算法(K Neighbors)、神经网络算法(Multi-Layer Perceptron,MLP)和高斯朴素贝叶斯算法(Gaussian Naive Bayesian)作为比较。同时,为了使试验具有可重复性和避免单次随机划分训练-验证集与测试集产生的结果偏差,选取1~1000号随机种子进行1000次模拟材质鉴别,以1000次试验的平均准确率、平均kappa系数和平均运算时间来评估算法模型的优劣,结果见表2。
图表编号 | XD00182947700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 赵文隆、龚俊、马俊辉、张晓飞、黄洁、魏静 |
绘制单位 | 成都产品质量检验研究院有限责任公司、成都产品质量检验研究院有限责任公司、成都产品质量检验研究院有限责任公司、成都产品质量检验研究院有限责任公司、成都产品质量检验研究院有限责任公司、成都产品质量检验研究院有限责任公司 |
更多格式 | 高清、无水印(增值服务) |