《表2 用单一特征和多特征进行分类时准确率》
考虑上述的2种方案。在方案1中,分类误差的平均值和方差各为0.072和0.010。在方案2中分类误差的平均值和方差各为0.081和0.007。即方案1的准确率为92.8%略大于方案2的准确率91.9%。这是因为方案1中的训练样本中包含了每个个体特有的动作特征,而方案2需要依靠9个个体的动作特征来分类三个未知个体的不同动作。方案1和方案2的混淆矩阵如表1所示。其中行标表示实际类别,列标表示估计到的类别。当样本特征空间为6维时,SVM给出了较为理想的分类结果。考虑样本空间为1维时,即每次用单一特征来训练SVM时其分类准确率如表2所示。从表2可以看出6个特征在人体动作分类时其重要性依次为躯干主多普勒频率、忽略微多普勒效应时的带宽、多普勒信号的总带宽、偏置量、多普勒信号强度的标准偏差、四肢来回摆动的周期。按照其重要性依次添加到特征向量里时,随着特征空间维数增加可以看到分类准确率明显上升,但特征5和6的加入对分类准确率的影响很小。
图表编号 | XD0095199500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.05 |
作者 | 李万福 |
绘制单位 | 解放军63850部队 |
更多格式 | 高清、无水印(增值服务) |