《表2 数据集参数：基于时序深度学习的机会网络链路预测方法》
提示：宽带有限、当前游客访问压缩模式
本文使用的数据集为Infocom05和MIT，这2个数据集具体参数如表2所示.
| 图表编号 | XD00100161800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 赵宇红、李可新 |
| 绘制单位 | 内蒙古科技大学信息工程学院、内蒙古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1 数据集统计结果：基于时序图的作战指挥行为知识表示学习方法》2020.11.01
- 《表5 数据拟合结果表：基于二模网络链路预测的合作者识别方法研究》2020.09.24
- 《表1 实验数据集：基于深度迁移学习的网络入侵检测》2020.09.05
- 《表2 基于深度强化学习算法的自动驾驶模型训练环境、数据集和方法》2021.01.16
- 《表3 测试集结果：基于深度学习的加密网络流量识别方法研究》2021.01.10
- 《表5 训练集大小的影响：基于深度学习的航班延误预测方法》2020.10.28
- 《表1 网络特征参数：基于拓扑稳定性的有向网络链路预测方法》2020.12.05
- 《表2 数据集概况：基于深度学习的“教育公平”网络舆情分析》2020.06.15
- 《表1 数据集统计信息：基于深度迁移学习的业务流程实例剩余执行时间预测方法》2020.03.25
- 《表1 特征选项：基于深度学习的网络流量异常预测方法》2020.03.15
- 《表2 数据集组成：基于深度学习的工业自动化包装缺陷检测方法》2020.04.10
- 《表1 实验数据集：基于层次化混合特征图的链路预测方法》2020.02.20
- 《表1 数据集：基于深度学习的柑橘实时识别方法》2020.01.15
- 《表2 风电数据集特征：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表1 网络符号及定义：一种时序有向网络中的链路预测方法》2019.11.01
- 《表1 计算时间窗口算法：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《表3 AUC对比：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《表1 数据集的网络结构：基于骨干度与网络编码的链路预测模型研究》2019.09.01
- 《表1 数据集以及数据量：基于深度学习的SAR目标检测方法》2019.10.01
- 《表1 实验数据信息：基于模体演化与社区一致性的时序链路预测方法》2019.12.01