《表1 不同匹配方法和分类器检索性能比较》

  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

《基于反馈学习的人体运动检索方法》

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

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。