《表2 3种多特征决策融合方法在标准操作条件下的对比》

  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

《基于随机加权的SAR图像多特征联合目标分类》

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

标准操作条件一般是指测试样本来自于训练样本相近的数据获取条件。因此，测试样本与训练样本较为接近，目标分类问题的难度不大。按照现有文献的流行做法，本文设置标准操作条件下的训练和测试集如表1所示。10类目标来自对应相同的型号，唯一不同的是训练集采集自17°俯仰角，测试集来自15°俯仰角。采用图3所示的混淆矩阵描述本文方法在标准操作条件下的目标分类性能，其中对角线上的元素对应不同类别的正确分类率。可以看出，各类目标的正确分类率均高于98%，平均正确率为99.25%。结果充分表明了提出方法的有效性。表2对比了本文方法与其他两类多特征决策融合方法的平均正确分类率。三者在标准操作条件下均可以取得很高的正确分类率，但本文方法性能更优。与联合稀疏表示方法相比，本文方法由于引入了随机加权算法而使得正确分类率有了进一步的提升。对比结果标准本文设计的多特征决策融合方法可以更为充分地利用各类特征的内在鉴别力从而提高最终的分类性能。