《表7 不同分类器效率对比Tab.7 Efficiency comparison of different classifiers》
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
《多尺度特征和马尔可夫随机场模型的电力线场景点云分类法》
min
为了对比不同分类器所产生的计算时间成本,本文以场景1为研究对象,进行对比试验。表7列举了不同分类器的运行时间。试验结果表明,Dtree具有最高的效率,但其分类效果明显低于其他方法,分类总正确率低于MRF_RF模型0.17%,电力线和电塔的召回率分别低于MRF_RF模型1.05%和0.66%,电力线和电塔的精确率分别低于MRF_RF模型1.64%和26.49%。与KNN和SVM方法相比,MRF_RF模型不仅在效率上明显高于这两种方法,而且在电力线的分类召回率上分别高出KNN和SVM方法1.43%和0.4%,在电塔的分类召回率上分别高出KNN和SVM方法8.55%和6.86%。尽管MRF_RF模型在效率上略低于AdaBoost方法,但其在总分类正确率上高出AdaBoost方法0.06%,在电塔的分类召回率上高出AdaBoost方法1.37%。
图表编号 | XD008229600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.02.01 |
作者 | 杨俊涛、康志忠 |
绘制单位 | 中国地质大学(北京)土地科学技术学院、中国地质大学(北京)土地科学技术学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表7 不同分类器效率对比Tab.7 Efficiency comparison of different classifiers”的人还看了
- 表2 特征选择后不同分类器的分类性能比较Tab.2 Comparison of classification performance of different classifiers after feature selection