《表5 DHA数据集上的性能比较Tab.5 Performance comparison on DHA datasets》
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
《采用PHOG融合特征和多类别Adaboost分类器的行为识别》
在该数据集上,将本文算法分别与文献[8]提出的DDHMI、DLRDMHI和文献[25]提出的DDHMI+HBM+GIST,以及文献[10]提出的AMEI、MEnI、MHI和MEI方法进行了对比实验,性能比较结果如表5所示。由表可见,本文提出基于AMEI和EMEI的PHOG融合特征的识别性能要优于其它方法,且使用多类别LUT-Real Adaboost分类器的识别率达到97.6%,高于其它使用SVM分类器的结果。
图表编号 | XD0022422500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.01 |
作者 | 马世伟、刘丽娜、傅琪、温加睿 |
绘制单位 | 上海大学机电工程与自动化学院、上海大学机电工程与自动化学院、山东理工大学电气与电子工程学院、上海大学机电工程与自动化学院、上海大学机电工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表5 DHA数据集上的性能比较Tab.5 Performance comparison on DHA datasets”的人还看了
- 表4 DCNN在原始数据集和经过处理后的数据集上的分类性能对比Tab.4 Comparison of DCNN's classification performance on raw data sets and processed dat