《表3 排列熵方法的支持向量机分类结果》

《表3 排列熵方法的支持向量机分类结果》   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
《基于分散熵和支持向量机的运动状态识别》


  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

为了证明本方法的分类效果,采用支持向量机对运动状态数据的分散熵进行识别。本文采用的支持向量机为台湾大学的Chang等[15]开发的LIBSVM软件包。在进行分类之前,需要选择合适的支持向量机核函数,常见的核函数有4种:线性核、多项式核、径向基(radius basis function,RBF)核以及Sigmoid核[16]。本文选择RBF径向基核函数,其余参数均为软件包的默认参数。对于每类运动状态,随机选取10个样本作为训练样本,其余13个样本作为测试样本。本方法的支持向量机的分类效果如表2所示。作为比较,测试了排列熵方法的性能,该方法的分类效果如表3所示。