《表3 不同天气分类方法的性能比较》

  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

《基于单幅户外彩色图像实现天气晴阴分类》

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

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。