《表2 层次排序标准：基于逻辑回归的总系统误差分类和预测方法》

  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

《基于逻辑回归的总系统误差分类和预测方法》

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

%

3组试验的训练集准确率和测试集准确率对比分别见表1和表2。从表1可以看出，对于LRM1，无论是直线型决策边界还是曲线型决策边界，准确率都是3组试验中最低的，这是由于PDOP值和卫星可见数目的相关性过强。其次，对于LRM2，直线型及曲线型决策边界的准确率都有大幅度的提升，曲线型决策边界的准确率优于直线型，通过NSE和PDOP值这2个特征建立的逻辑回归模型相对于LRM1较好。对于LRM3，通过直线型决策边界得到的准确率相比于LRM2有所降低，这是由于三特征模型更为复杂，此时直线型决策边界无法满足分类要求。而使用三特征的曲线型决策边界的准确率却最高。同时，使用曲线型决策边界的准确率都高于直线型决策边界，说明曲线型决策边界更适合用于TSE的分类和预测。从表2中可以得到类似结论，但是LRM1的曲线型决策边界准确率低于直线型，原因可能是PDOP值和卫星可见数目的散点重叠过多，分配到测试数据集中的数据分布较差，具有偶然性，所以导致其准确率低。