《表5 CNN与经典算法分类精度对比》
为了更好地评估文中提出的方法,采用相同的数据集和特征,分别利用最近邻法KNN(k-Nearest Neighbor)、负反馈神经网络BPNN(Error Back Propagation Neural Network)、多元线性回归MLR(Multiple Linear Regression)、支持向量机SVM(Support Vector Machine)等经典分类算法进行了分类试验,结果见表5。其中Overall(OA)代表总体分类精度、OA1代表白天总体分类精度,OA2代表夜间总体分类精度。从表5中可以看出CNN算法在台风强度等级分类上精度均在95%以上,比其他模式识别算法高出7—16个百分点,而且无论是整体分类精度还是白天和夜间分类精度,CNN均优于经典算法。
图表编号 | XD00212750100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 崔林丽、陈昭、于兴兴、陈光琛、王晓峰、陆一闻、郭巍 |
绘制单位 | 上海市气象局上海市生态气象和卫星遥感中心、东华大学计算机科学与技术学院、东华大学计算机科学与技术学院、东华大学计算机科学与技术学院、上海市气象局上海市生态气象和卫星遥感中心、上海市气象局上海市生态气象和卫星遥感中心、上海市气象局上海市生态气象和卫星遥感中心 |
更多格式 | 高清、无水印(增值服务) |