《表4 不同特征集合下的个体识别率》

  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CMFS-MIC特征选择的跳频电台个体识别方法》

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

/%

对采集到的四部跳频电台的信号样本分别预处理并计算特征集，设获得特征集为F1和F2，记为。其中:f1为谱对称均值；f2为谱对称方差；f3为瑞利熵；f4为信息维数；f5为盒维数；f6为LZC；f7为包络峰度；f8为高阶J特征均值；f9为高阶J特征方差；fi10（i=1，2，…，256）为SIB。类别信息C={1，2，3，4}，F1和F2经过CFMS-MIC特征选择得到的最优子集F1*={f3，f5，f6，f8}和F2*={f110，f210，…，f1072}，构造特征集F3={F1，F2}，F4={F1*，F2*}。由于采用CRC分类器得到的效果比SVM分类效果好，本文只给出了CRC分类器在不同特征集下的识别率与本文算法的识别率的比较结果，如表4所示。