《表3 矿石分类结果比较:基于PSO-Faster R-CNN改进算法的矿石识别分类研究》
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PSO-Faster R-CNN改进算法的矿石识别分类研究》
为了探究本文所用的3种算法运算性能的优劣,对比试验的结果见表3,SVM算法与HOG算法相结合的精度约为80%,KNN算法的精度约为70%。这两种算法较为简单易行,但在使用范围内会出现很多问题[17]。KNN算法处理简单的任务时会有很高的精度,优于其他算法。但是处理多种不同类的图片时,会导致KNN算法的存取时间较长。SVM(支持向量机)作为一种经典的分类算法,能够解决高维极值表示问题,在图像分类领域有着广阔的应用前景[18-22]。
图表编号 | XD00204368900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.25 |
作者 | 邓田、余翼 |
绘制单位 | 南昌工学院人工智能学院、南昌工学院教育学院 |
更多格式 | 高清、无水印(增值服务) |