《表2 结合DTW算法的前后对比》
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
《一种基于压缩感知和动态时间规整的信号肽特征提取新算法》
首先,对上述特征向量使用机器学习算法验证分类准确率。本文所采用的是目前影响力较高的支持向量机LIBSVM[19]。对于LIBSVM的主要参数设置,首先使用的是以多项式为核函数,深度分别取1,2,3代表线性函数,二次函数,三次函数,这样可以防止欠拟合与过拟合,最后选取最高的分类准确率。除此之外对支持向量机未作更多的参数设置,这是为了说明特征提取方法不依赖于支持向量机的参数设置来得到更高的分类准确率。使用3种特征向量得到的分类结果如表2所示。
图表编号 | XD0040449300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 张洋俐君、高翠芳、陈卫、田丰伟 |
绘制单位 | 江南大学理学院、江南大学理学院、江南大学食品学院、江南大学食品学院 |
更多格式 | 高清、无水印(增值服务) |