《表1 不同机器学习算法对人眼状态分类的结果》
在实验中,将上述2种特征提取算法和3种分类器组合的6种算法进行比较。不同算法的结果比较如表1所示。通过分析我们发现,Gabor特征在眼部的特征提取方面要优于PCA特征。同等条件下,三种分类器都表现了更好的预测准确率。如Gabor+KNN的分类效果要比PCA+KNN高2.9%。另外,通过比较,我们也得到SVM具有更好的分类特性。如同样是Gabor特征,SVM的分类效果优于KNN和NB,分别高25%和8.3%。因此,我们得出Gabor+SVM算法能够实现最高效的分类结果,分类的准确率达到92.5%。
图表编号 | XD0059678500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 项子琦 |
绘制单位 | 江西财经大学软件与物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |