《表3 不同天气分类方法的性能比较》
将本文方法与基于Naive Bayes、SVM、KNN、Real Adaboost分类器及文献[10]分类方法进行了对比,结果见表3。为了得到较好的天气分类效果,对上述方法的参数进行了如下设定:在Naive Bayes分类器中,特征采用高斯分布;在SVM分类器中,SVM的类型为C-SVC,核函数选择为径向基函数(RBF),迭代次数为1000次;在KNN方法中,设置K=5,距离度量使用欧氏距离;在Real Adaboost分类器中深度为10,迭代次数为100次,弱分类器为SVM;文献[10]采用自身所定参数。
图表编号 | XD003595200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.22 |
作者 | 张世辉、杜雪哲、何琦、董利健 |
绘制单位 | 燕山大学信息科学与工程学院、河北省计算机虚拟技术与系统集成重点实验室、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院、燕山大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |