《表4 SA-PNN的识别结果》
使用SA-PNN作为分类器,用相同数据进行训练和测试,根据SA算法求解3种特征向量的最优平滑因子分别为48.35、0.046、0.62.识别结果见表4,与表3对比可以看出,对于同样的样本与特征向量,所对应的最佳平滑因子并不固定,使用SA可以对平滑因子进行自动寻优,且使用SA-PNN的分类效果均要优于传统的PNN算法;同时,由于SA算法的加入增加了平滑因子的搜索环节,所以增加了识别时间,但提高了识别率,增强了算法的自适应性,仍满足较好的实时性.
图表编号 | XD0032842900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 熊兴隆、张琬童、冯磊、李猛、马愈昭、冯帅 |
绘制单位 | 中国民航大学天津市智能信号与图像处理重点实验室、中国民航大学天津市智能信号与图像处理重点实验室、中国民航大学天津市智能信号与图像处理重点实验室、中国民航大学空管研究院、中国民航大学天津市智能信号与图像处理重点实验室、中国民航大学工程技术训练中心 |
更多格式 | 高清、无水印(增值服务) |