《表1 本文方法与LLE、LPP和PCA方法在分类准确率性能方面的比较》
提示：宽带有限、当前游客访问压缩模式
为全面验证，其他相关实验开展了对30维、20维和10维特征下故障诊断性能的比较，比较结果如表1所示。
| 图表编号 | XD00107191000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.20 |
| 作者 | 李丽敏、温宗周、宋玉琴 |
| 绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 本文方法在不同帧的情况下在UCF101和HMDB51数据集上的准确率》2020.10.25
- 《表3 本文方法与其他方法在KITTI车辆检测数据集上的准确率比较》2021.03.16
- 《表4 本文方法与其他方法在UCAS-AOD数据集上的准确率比较》2021.03.16
- 《表2 本文方法与其他方法在COCO2017数据集上的准确率比较》2021.03.16
- 《表1 本文方法与对比方法在UCF50数据集上的人体行为识别准确率》2020.12.16
- 《表4 WPT+PCA+SVM和本文方法在三种数据集上的诊断对比结果》2021.01.05
- 《表2 传统机器学习方法与本文方法分类准确率对比》2020.07.01
- 《表3 文献[14]与本文方法分类准确率对比》2020.07.01
- 《表1 本文方法与HOG+SVM在不同样本数量下的定位准确率对比》2020.09.10
- 《表1 PCA和PCA＿ScatterMatrix方法在数据集2上获得最高分类正确率时所选取的主成分序号》2020.03.31
- 《表4 使用PCA降维方法的分类正确率》2019.12.01
- 《表2 本文方法在测试区域的土地覆盖分类结果混淆矩阵、类别精度和总体精度》2020.02.05
- 《表2 PCA、IM、DeepLog、本文方法性能比较结果》2019.10.15
- 《表5 本文方法与文献[21]中所提出的方法在GT数据集下进行识别的性能比较》2019.10.01
- 《表3 本文方法与ECNR算法在AR数据库上的性能比较》2019.10.01
- 《表2 分类正确率 (KPCA, LE, LLE, LTSA, MDS, PCA，本文算法)》2019.06.01
- 《表1 本文方法和现有方法关于MAE、MRE和准确度的比较》2019.07.20
- 《表3 决策树与集成学习方法在精度、均方根误差和Kappa系数方面的性能比较Tab.3 Performance comparison of decision tree and ensemble learning method in accur》2018.06.01
- 《表1 本文方法与参考方法在固定QP下的性能比较》2019.12.01
- 《表2 本文方法与参考方法在固定码率下的性能比较》2019.12.01