《表2 类标学习前后分类结果对比》

  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MV-PearlNet的珍珠细粒度分类方法》

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

在进一步的实验中，在使用的珍珠总量数据集一定的情况下，为了模型训练更充分，达到提高分类准确率目的，将M V-PearlNet和K-means算法结合起来，分别使用7类珍珠中的300颗作为无监督学习的学习对象，将MV-PearlNet提取的特征作为珍珠的特征表达输出．PCA算法进行降维后得到2100×50的特征向量，K-means算法的K设定为7，为了降低聚类算法聚类中心的随机选择对聚类结果的影响，本文采取了实验20次取平均值的方法来降低实验结果的随机性．我们使用聚类的准确度和纯度作为评价指标对聚类结果进行评估．最终900颗的特征提取最充分，20次的实验结果的准确度为76.52%，纯度为76.61%．将聚类后打上类标的数据和之前的训练集一起放入模型进行训练，分类结果表2所示．