《表5 不同分类器的识别率比较》
注:加粗字体表示最优结果。
不同的分类器适用于不同的训练样本,本文在小样本训练条件下对几种不同的分类器效果进行了对比实验,结果如表5所示。从表5可以看出,传统分类器,如K近邻分类器(KNN)和支持向量机(SVM)等对特征向量都有很好的分类效果,但在小样本训练情况下,一种稀疏表示的变种协同表示分类器CRC(collaborative representation based classification)通过正则化最小二乘法,使得稀疏系数的求解更加简单高效。CRC重点关注类间数据的协同作用,这一特点使得其在小样本训练情况下,也能取得稳定的识别效果,单类训练样本在20张以内的情况下,比KNN和SVM平均高出0.93%。
图表编号 | XD0098405200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 路强 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |