《表3 RBF模型下的分类结果对比》
如表3所示,记录了在原始数据、一阶导数数据和融合的数据下分别构建RBF和PCA+RBF两种分类模型的分类结果。对PC、PS和PMMA 3种类别的汽车灯罩样本的分类准确率进行比较,发现无论是RBF模型,还是PCA+RBF模型,PC类别样本的分类准确率均高于PS和PMMA两种样本。分析认为,相较于PS和PMMA两种类型的样本,PC类别样本的样本数较多,所以包含的信息更多,训练效果更好;对基于原始数据、一阶导数数据和融合的数据构建的分类模型的分类效果进行比较,发现对融合的数据构建分类模型的分类效果更好,在RBF模型中的总体分类准确率达到81.8%,在PCA+RBF模型中的总体分类准确率达到90.9%。分析认为融合的数据可以更多的反应汽车灯罩样本的信息,为分类模型的构建提供了更加优良的数据条件;对RBF和PCA+RBF两种模型的分类准确率进行比较,发现PCA+RBF模型的分类准确率更高,对原始数据、一阶导数数据和融合的数据分类准确率分别达到81.8%、84.1%和90.9%。分析认为,利用PCA对数据进行处理,可以消除原有数据之间的线性相关性,提取出最主要的数据信息,从而达到优化数据结构和提高模型分类效果的目的。
图表编号 | XD00215892300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.26 |
作者 | 卫辰洁、王继芬、范琳媛、穆义龙、杜浩宇 |
绘制单位 | 中国人民公安大学、中国人民公安大学、中国人民公安大学、中国人民公安大学、中国人民公安大学 |
更多格式 | 高清、无水印(增值服务) |