《表1 4分类算法对MINIST数据分类精度比较[36]》

  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

《基于机器学习的散射环境下光学调控及成像的研究进展》

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

文献[35]～[37]利用各自的光学系统分别对传统的分类算法进行分析比较。文献[35]对比分析了SVM、神经网络（neural network，NN）和自适应提升算法（adaptive boosting，AB）三种方法的识别精度。实验结果表明当散斑采样率都为800像素时，SVM，AB和NN的人脸识别精度分别达到了92.2%，87.7%和89.1%。显然，支持向量机的识别精度最高，神经网络次之，自适应提升算法识别精度最差。而文献[36]对比分析了基于目标散斑的自相关特性的目标分类算法，PCA+SVM，SRC，K-SVD和Kernel KSVD四种分类算法分类精度如表1所示，显然四种算法的分类精度相差不大。