《表2 基于KSPCCA算法的2组特征融合识别结果》
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
《基于多核稀疏保持投影的多特征集典型相关分析的水下目标特征融合方法》
为了验证KSPCCA算法和CCA算法针对水下目标的识别性能,提取每类信号的听觉特征X1、频谱特征X2、小波分析特征X3和双谱特征X4。分别对提取的特征使用CCA算法和KSPCCA算法进行两两融合,识别结果如图3所示。其中,Xi-Xj表示对特征Xi和Xj进行融合,为了与多域特征融合的识别结果进行对比分析,表2给出了基于KSPCCA算法的针对水下目标听觉特征X1和频谱特征X2融合后的识别分类情况。
图表编号 | XD0043939500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 杨宏晖、伊淑珍 |
绘制单位 | 西北工业大学航海学院、西北工业大学航海学院 |
更多格式 | 高清、无水印(增值服务) |