《表5 样本分类结果精度对比Tab.5 Accuracy comparison of sample classification results》
Indian Pines数据集上,不同方法的分类结果及分类精度对比,如图13和表5所示.表5中:该组实验数据保留全部16类样本,共10 249个样本,517个训练样本;Indian Pines数据集在只保留样本数大于波段数2倍的9类样本上,该组实验共9 234个样本,训练样本率为0.05,训练集大小为457.由表5可知:数据集类别数越多,分类越困难,分类越低.在小样本和多类别的Indian Pines数据集上,PixelCNN的分类精度较低,只达到0.956 9;而文中ACGAN-LBP-CNN方法对小样本的数据集有很高的分类精度,达到0.990 0以上.这有力地证明ACGAN强大的学习能力及在多分类问题上的潜能.
图表编号 | XD0034181300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.20 |
作者 | 刘群、陈锻生 |
绘制单位 | 华侨大学计算机科学与技术学院、华侨大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |