《表5 不同分类器的识别率比较》

  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

《增强边缘梯度特征局部量化策略驱动下的车标识别》

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

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%。