《表3 烟雾识别对比结果:面向烟雾识别与纹理分类的Gabor网络》
注:粗体表示同等实验条件下的最优结果。
为了更综合地展示本文特征在烟雾识别上的辨别力,利用不同分类阈值下的DR和FAR组合绘制ROC曲线,选用表3中效果较好的方法,加上LBP(经典)和DMD(最新纹理描述子)作为对比。曲线越接近左上角,特征越有辨别力,图5显示:在3个数据集上Gb完整特征都比Gb基础特征更有辨别力。而Gb_PCA_LBP依赖于每一个样本自身,没有进行全局学习,因此稳定性不够,在3个数据集上效果相差较大。
图表编号 | XD0047564600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.16 |
作者 | 袁非牛、夏雪、李钢、章琳、史劲亭 |
绘制单位 | 江西财经大学信息管理学院、上海师范大学信息与机电工程学院、江西财经大学信息管理学院、江西财经大学信息管理学院、宜春学院数计学院、江西财经大学信息管理学院、江西科技师范大学数学与计算机科学学院、江西农业大学职业师范(技术)学院 |
更多格式 | 高清、无水印(增值服务) |