《表2 六种图像分类方法的精度》
本节主要对基于联合分布自适应的图像分类方法与其他五种先进的图像分类方法进行比较。这五种方法分别是最近邻分类器(Nearest Neighbor Classifier,NN)、主成分分析(Principal Component Analysis,PCA)、测量流核法(Geodesic Flow Kernel,GFK)、迁移成分分析(Transfer Component Analysis,TCA)以及迁移子空间学习(Transfer Subspace Learning,TSL)。本文对联合分布自适应和上述的五种方法在相同数据集的情况下,分别作了12次图像分类试验,试验的评价指标均为图像分类精度。试验结果见表2。
图表编号 | XD0026495500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.15 |
作者 | 吴健、贾宏宇 |
绘制单位 | 江西理工大学电气工程与自动化学院、江西理工大学理学院 |
更多格式 | 高清、无水印(增值服务) |