《表5 本文方法与其它文献方法实验结果对比》

  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

《一种基于三支决策的花卉图像分类》

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

为验证本文所提方法的优势，将本文实验结果与其它文献实验结果进行比较分析.如表5所示，文献[19]在13类花卉图像集上基于一种新的颜色特征提取的方法，对花卉图像提取的Lab特征和SURF特征进行加权融合，并用SVM作为分类器，分类精度达到84.01%；文献[20]对各种梯度和二元描述符在平移、旋转和缩放等方面的效率和鲁棒性进行经验性评估，并在16类花卉图像集上使用SVM分类器，提取SIFT特征后分类精度为78.06%；文献[21]在102类花卉图像集上首先进行花卉主体分割，其次使用两种不同的卷积神经网络结构GoogleNet和AlexNet进行分类，GoogleNet的top-1精度为47.15%，top-5精度为69.17%，AlexNet的top-1精度为43.39%，top-5精度为68.68%.