《表1 不同特征参数的对比结果》

  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

《基于多特征融合与机器学习的鱼类摄食行为的检测》

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

与其他方法相比，网络的泛化能力易受样本量的影响。为进一步彰显网络性能，在保持结构和参数设置不变的前提下，通过减少训练样本量的试验，准确率依然保持在96%以上。为验证本方法的可行性，与文献[11]中基于单一的纹理特征和文献[12]中基于形状和纹理特征的方法进行对比，并从拟合度R2、均方误差、运行时间和准确率4个方面对模型进行评价。从表1可以看出，基于多特征融合的检测方法拟合度R2更高，MSE值更小，且具有较高的识别率。