《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》

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

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%。