《表3 不同方法在不均衡训练集上获得的测试结果Tab.3 Testing results of addressing the imbalanced train-ing sets with differ
实验采用C-SVM作为支持向量机分类器,采用高斯径向基核函数(RBF)。分类模型中惩罚函数C和核宽度σ采用网格优化算法和五折交叉验证法获得[26]。由于训练集中的套准图像和套不准图像是随机从200个标志图像中选取的,为了增加测试的准确性,文中随机选取了10组训练集和测试集,分别采用上述的4种方法进行实验,取得的测试结果取平均值,见表3。
图表编号 | XD005928300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.10 |
作者 | 简川霞、高健 |
绘制单位 | 广东工业大学、广东工业大学 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 不同方法在不均衡训练集上获得的测试结果Tab.3 Testing results of addressing the imbalanced train-ing sets with different methods”的人还看了
- 表3 草地不同插值方法RMSE计算结果Tab.3 Results of RMSE calculation with different interpolation methods in grass area