《表1 Caltech101上词典大小和特征提取方法对分类结果的影响》

  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

《一种基于邻域粗糙集特征选择的图像分类方法》

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

本次实验分别采用128，256，512和1 024这4种不同大小的视觉词典。从表1可看出，在数据集Caltech101上视觉词典大小为512时获得的准确率最高，256时次之，128时最低。这是因为数据量大，数据集种类多，相似的特征词的种类较多，造成准确率较低。视觉词典大小为1 024与512结果略低，是因为字典太大会使相似的特征表示为不同的特征词，分类结果反而有所下降。词典大小对数据集Corel-1000实验结果的影响原理同上所述，影响结果见表2。不同的是该数据集数据少，类别也少，因此在视觉词典大小为256时取得的分类效果最好。