《表2 数据集1人群密度等级估计准确率》
%
使用数据集1的部分作为训练数据来训练提出的改进神经网络的特性,部分作为测试数据集来测试所提出的网络,并且将文中方法与传统的卷积神经网络进行对比,得到的实验结果如表2和表3所示。其中,A为传统的多层神经网络方法,B为多层神经网络中隐含层加入离散小波变换的方法,C为基本的卷积神经网络方法,D为文中改进的卷积神经网络方法,E为HangSu等[12]采用的SST-LBP方法并使用SVM作为分类器;F为Kim[13]采用的计算运动区域和对比信息的方法,其中对比信息基于GLDM[14]矩阵方法,累加矩阵元素将和作为一个特征,然后用这两个特征去训练BP神经网络[15]。
图表编号 | XD0058755000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 贾翻连、张丽红 |
绘制单位 | 山西大学物理电子工程学院、山西大学物理电子工程学院 |
更多格式 | 高清、无水印(增值服务) |