《表3 排列熵方法的支持向量机分类结果》
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。
图表编号 | XD0061612800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 杨智超、李国辉、李佳韵、申嘉琪 |
绘制单位 | 西安邮电大学电子工程学院、西安邮电大学电子工程学院、西安邮电大学电子工程学院、西安邮电大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |