《表1 不同匹配方法和分类器检索性能比较》
实验进行运动检索的结果如图2所示。从图2(a)是采用SVM作为分类器,对分别选择US、DTW、MDP作为运动相似度测量的检索结果,从曲线变化趋势可以看出,选取MDP作为相似度测量的识别精度最高。图2(b)是采用KNN作为分类器,对分别选择US、DTW、MDP作为运动相似度测量的检索结果,同样,从曲线变化趋势可以看出,选取MDP作为相似度测量的识别精度最高。整体进行分析比较可以看出“MDP-SVM”模型比“MDP-KNN”模型检索性能更好,从表1的比较结果中可以看出,所提出的MDP-SVM反馈学习运动检索框架模型优于其他模型,采用不同分类器:“MDP-SVM”和“MDP-KNN”的检索精度分别约为0.8和0.73。
图表编号 | XD0021905300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.01 |
作者 | 赵一丹、肖秦琨 |
绘制单位 | 西安工业大学电子信息工程学院、西安工业大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |