《表2 PCA降维对算法的影响》
提示：宽带有限、当前游客访问压缩模式
如表2所示，实验结果验证了对特征进行PCA降维的有效性。相较于原始算法，降维后的算法精度和速度都得以提高。
| 图表编号 | XD00163349500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 徐嘉宏、蔡骋、宁纪锋 |
| 绘制单位 | 西北农林科技大学信息工程学院、西北农林科技大学信息工程学院、西北农林科技大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 聚类中心个数与PCA降维后的累积贡献率》2020.10.15
- 《表1 实验效果比较表：一种基于PCA降维的SIFT算法》2020.12.05
- 《表7 AWGWO算法和其他智能优化算法在100维对六个函数的寻优结果比较》2020.12.31
- 《表6 AWGWO算法和其他智能优化算法在50维对六个函数的寻优结果比较》2020.12.31
- 《表5 AWGWO算法和其他智能优化算法在30维对六个函数的寻优结果比较》2020.12.31
- 《表1 PCA降维结果：基于PCA-PSO-BP神经网络的管道剩余强度评价》2020.07.20
- 《表2 标准化前后PCA降维保留特征信息占比》2020.07.25
- 《表2 Robust PCA对CN降维至不同层时算法结果比较》2020.07.01
- 《表1 Robust PCA对CN降维至不同层时算法结果比较》2020.07.01
- 《表5 样本集降维对迁移模型性能影响》2020.03.01
- 《表2 KPCA降维对改进DBN模型预测精度的影响》2020.02.01
- 《表4 使用PCA降维方法的分类正确率》2019.12.01
- 《表1 基于PCA算法的特征点降维数据》2019.10.25
- 《表2 PCA降维后的训练样本和测试样本》2019.09.25
- 《表2 PCA的降维过程》2019.05.01
- 《表1 PCA与ISOMAP降维后SVM准确率》2019.07.01
- 《表1 网络剪枝与PCA降维结果对比》2019.05.28
- 《表2 改进的PCA降维算法运行时间对比》2019.01.05
- 《表1 PCA降维前后分类器预测结果》2019.01.20
- 《表2 PCA降维后调节参数前后SVM分类结果对比》2019.01.20