《表1 目标识别度对比:复杂网络大数据异构多模态目标识别方法研究》

提取 ⇩
《表1 目标识别度对比:复杂网络大数据异构多模态目标识别方法研究》
《复杂网络大数据异构多模态目标识别方法研究》

实验中,实验组与对照组分别对相同数据进行目标识别,其目标识别度对比结果,如表1所示:

  1. 保存图表

查看“表1 目标识别度对比:复杂网络大数据异构多模态目标识别方法研究”的人还看了

表4 不同异质网络构建方法的位置推断结果(GEOTEXT数据集)
表4 不同异质网络构建方法的位置推断结果(GEOTEXT数据集)
基于多种提及关系的社交媒体用户位置推断
表2 人工网络数据集:基于Spark的大规模网络结构发现算法
表2 人工网络数据集:基于Spark的大规模网络结构发现算法
基于Spark的大规模网络结构发现算法
表1 真实网络数据集:基于Spark的大规模网络结构发现算法
表1 真实网络数据集:基于Spark的大规模网络结构发现算法
基于Spark的大规模网络结构发现算法
表1 数据集的统计信息:一种基于孪生神经网络的深度异构网络嵌入算法
表1 数据集的统计信息:一种基于孪生神经网络的深度异构网络嵌入算法
一种基于孪生神经网络的深度异构网络嵌入算法
表1 人工网络数据集:一种主动半监督大规模网络结构发现算法
表1 人工网络数据集:一种主动半监督大规模网络结构发现算法
一种主动半监督大规模网络结构发现算法
表2 其他相关参数数据:基于改进遗传算法的生鲜多目标闭环物流网络模型
表2 其他相关参数数据:基于改进遗传算法的生鲜多目标闭环物流网络模型
基于改进遗传算法的生鲜多目标闭环物流网络模型