《表2 六种图像分类方法的精度》

  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

《基于迁移学习的图像分类方法研究》

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

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。