《表2 不同样本数量的识别率》
提示：宽带有限、当前游客访问压缩模式
下面对不同样本数量进行识别率仿真，验证算法的稳定性，分别选择样本数量为200、500和1 000进行实例仿真，求解样本的识别率。统计结果如表2所示。
| 图表编号 | XD00144838100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.15 |
| 作者 | 宋国平、张家晨 |
| 绘制单位 | 吉林省远程教育技术科技创新中心、吉林广播电视大学远程教育技术中心、吉林大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同样本数量下的目标识别准确率》2021.03.16
- 《表3 不同数量图片的识别精度》2020.12.31
- 《表1 识别准确率随样本数量变化》2020.09.01
- 《表2 不同识别方法的语音1(15个样本）的识别时间表》2020.05.25
- 《表2 光纤链路识别测试样本数量》2020.04.25
- 《表2 不同样本重叠度与时间窗口的模型识别结果对比》2020.08.01
- 《表2 不同类型文本数据的样本数量》2020.09.01
- 《表1 样本数量设置：基于DAE和SVR的铁路桥梁损伤定位与识别技术》2020.05.25
- 《表8 第2批实验样本采用不同方法的识别结果》2020.05.15
- 《表2 不同数量生成样本的贝壳检测精确度》2020.09.01
- 《表3 数量和不同标定方法对识别率的影响》2020.03.16
- 《表1 不同生成样本数量下的SCGAN+CNN平均识别率》2020.01.01
- 《表4 各省有效样本数量：基于机器学习的互联网金融机构信用风险识别》2020.01.10
- 《表1 害虫样本数量分布：基于空间金字塔池化和深度卷积神经网络的作物害虫识别》2019.10.01
- 《表2 AR人脸库上不同样本数下的平均识别率》2019.06.01
- 《表1 测试集样本数量：自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术》2019.03.01
- 《表2 各年度的样本数量：优化神经网络输入指标 提高财报舞弊识别效果》2019.02.20
- 《表3 在不同样本数量下训练时间和正确识别率对比》2019.01.10
- 《表2 不同算法样本识别率的结果对比Table 2 Recognition rate of different algorithms》2018.05.01
- 《表1 小样本数量变化对识别率的影响Tab.1 Effect of small sample size on recognition rate》2018.03.10