《表5 不同学习算法的树干点云识别结果》
%
δ=0.25 m时,Boosting与SVM、神经网络的比较结果见表5。其中,神经网络对类别不平衡最为敏感,为最小化整体错误率,将所有树干样本都识别为非树干样本。SVM能获得较高的查准率,但查全率低于Boosting,表明有更多的树干点被误识别为非树干点。
图表编号 | XD00223659200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 李秋洁、袁鹏成、刘旭、周宏平 |
绘制单位 | 南京林业大学机械电子工程学院、南京林业大学机械电子工程学院、南京林业大学机械电子工程学院、南京林业大学机械电子工程学院 |
更多格式 | 高清、无水印(增值服务) |