《表1 SVM分类器和随机森林分类器分类实验结果》

  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PCANet的树莓派人脸识别系统的研究开发》

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

实验使用传统PCANet提取特征，并用linear核函数的SVM分类器[8]和随机森林分类器[9]分别对数据进行分类。其中，SVM的核函数参数如下：惩罚中使用的范数penalty=\""l2\""，损失函数loss=\""squared＿hinge\""，公差停止标准tol=\""1e-4\""，选择算法以解决双优化或原始优化问题dual=\""True\""，错误项的惩罚参数C=1.0，是否计算此模型的截距fit＿intercept=\""True\""，最大迭代次数max＿iter=1 000。随机森林分类器参数如下：森林决策树数目n＿estimators=10，min＿samples＿split=2，其余参数均为默认值。实验结果如表1。