《表1 Soft-FART与FART的F1-score对比》
该部分对本文设计的Soft-FART与传统FART以及具有代表性的SVM、ANN等机器学习算法进行能对比,前级特征输入均为本文2.3节构建的特征集。表1给出了整个算法分别使用Soft-FART和传统FART以及SVM、ANN的F1-score对比结果,可以发现Soft-FART在6种场景下的F1-score均高于传统FART,平均值高出0.1左右,说明Soft-FART提高了神经节点信息的利用率,训练得到的模型能更好地识别红外弱小目标。另外,Soft-FART的F1-score也高于SVM、ANN,体现了Soft-FART的优越性。
图表编号 | XD00197215000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 危水根、王程伟、陈震、张聪炫、张晓雨 |
绘制单位 | 南昌航空大学无损检测技术教育部重点实验室、南昌航空大学无损检测技术教育部重点实验室、南昌航空大学无损检测技术教育部重点实验室、南昌航空大学无损检测技术教育部重点实验室、西南科技大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |