《表5 PCA白化的评估(%)》
提示：宽带有限、当前游客访问压缩模式
在DLS-CNN模型中，主成分分析也对模型产生了积极作用，我们将提取95%的主成分特征作为最终的局部特征.结果显示，PCA白化不仅提高模型的泛化能力，而且还通过压缩特征节约了笔迹检索时间，结果如表5所示.
| 图表编号 | XD00135238200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 陈使明、王以松 |
| 绘制单位 | 贵州大学计算机科学与技术学院、贵州大学计算机科学与技术学院、贵州省智能医学影像分析与精准诊断重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 专家意见评估表：基于PCA-MPSO-ELM的空战目标威胁评估》2020.09.25
- 《表2 专家评估结果：基于PCA-MPSO-ELM的空战目标威胁评估》2020.09.25
- 《表9 分类组别：PCA-逐步回归模型在能耗评估指数中的应用及预测》2020.04.25
- 《表5 三种算法对比结果：基于PCA-ELM的地震死亡人数评估》2020.04.25
- 《表4 主成分得分：基于PCA-ELM的地震死亡人数评估》2020.04.25
- 《表3 因子载荷矩阵：基于PCA-ELM的地震死亡人数评估》2020.04.25
- 《表1 地震灾害样本：基于PCA-ELM的地震死亡人数评估》2020.04.25
- 《表5 不同灰类下各个二级指标的白化权数（1)》2020.01.28
- 《表5 发电机健康状态值：基于PCA-NAR神经网络的风电机组健康趋势评估》2019.01.30
- 《表1 1 8大评估因子白化权函数类别》2020.02.01
- 《表2 术后疼痛评估概况-PCA》2019.07.19
- 《表3 术后疼痛评估概况-未使用PCA-1》2019.07.19
- 《表5 不同灰类下的白化权值》2019.03.28
- 《表4 广州市2017年上半年CMAQ、PCA-kNN订正PM2.5效果评估》2019.02.01
- 《表5 各灰类及对应的白化权函数》2019.01.01
- 《表4 白化权函数表：基于可用性评估的数控车床维修方案决策》2019.01.01
- 《表4 旋转因子载荷：辽宁省外资利用质量的评估——基于PCA方法的研究》2018.03.01
- 《表3 因子载荷：辽宁省外资利用质量的评估——基于PCA方法的研究》2018.03.01
- 《表2 特征向量：辽宁省外资利用质量的评估——基于PCA方法的研究》2018.03.01
- 《表2 个人信用评估指标变量的PCA提取结果》2019.11.30