《表1 SVM子区域确定和定位结果》
对于提到的3种空间划分方法,对其子区域确定和精确定位结果做了对比.评估标准包括子区域分类正确率、平均定位误差和累计定位误差分布.具体结果见表1.采用本文提出的优化K-means聚类的空间划分的子区域分类正确率达到96.67%(240个测试点中有8个分类错误);使用基于SVM-C聚类的空间划分的子区域分类正确率为92.92%,有17个测试点分类错误;而基于平面图的空间划分的分类正确率为94.85%,有13个测试点分类错误.从分类效果来看,本文提出的优化K-means聚类的空间划分算法最优.详细分类结果如图5所示,小圆圈代表正确分类的测试点,叉叉为错误分类的测试点.
图表编号 | XD0060250300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 周瑞、鲁翔、李志强、武悦、桑楠 |
绘制单位 | 电子科技大学信息与软件工程学院、电子科技大学信息与软件工程学院、电子科技大学信息与软件工程学院、电子科技大学信息与软件工程学院、电子科技大学信息与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |