《表2 是否含有DE特征的分类精度对比》
提取DE特征和不提取DE特征的10个样本的实验结果如表2所示。从总的预测精度平均值来看,提取DE特征的预测精度要比没有提取DE特征的高约2%,说明DE特征含有更丰富的信息。此外,为了证实FECNN模型的优越性,本研究用3个模型分别对10个样本进行预测,并计算10个样本的平均预测精度。从表2可以看出,针对不同的样本,FECNN模型的识别精度都高于DNN和Le Net-5模型;在含有DE特征的实验中,FECNN模型的平均预测精度为95.12%±2.88%,均高于DNN和Le Net-5模型的预测精度。在不含DE特征的实验中,FECNN模型的平均预测精度为93.12%±3.38%,也均高于DNN和Le Net-5模型的预测精度。
图表编号 | XD00217693100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 吴若有、王德兴、袁红春、宫鹏、秦恩倩 |
绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院 |
更多格式 | 高清、无水印(增值服务) |