《表6 不同超限学习机混合分类器表现（SVM核函数为RBF)》
提示：宽带有限、当前游客访问压缩模式
同样将SVM作为终极分类器，使用不同个数的ELM训练数据集，SVM选择不同的核函数实验结果，如表6所示。
| 图表编号 | XD00110603400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.15 |
| 作者 | 顾浩、尹钟 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 SVM 3种核函数算法评价参数》2020.07.30
- 《表2 基于混合特征的SVM分类器语料测试实验结果》2018.12.01
- 《表6 SVM模型4种核函数的相应准确率》2021.02.01
- 《表3 基于不同核函数的SVM分类性能》2020.12.01
- 《表2 RBF内核函数γ对SVM分类精度的影响》2020.12.20
- 《表3 SVM(RBF核）中超参数重要性权重及不同方法的运行时间》2020.08.20
- 《表4 使用RBF核函数与使用Liner的核函数SVM算法模型分类指标对比》2021.01.15
- 《表1 试验原料特性：基于动力学与混合核函数LS-SVM的厌氧发酵产气量预测模型研究》2020.02.25
- 《表1 SVM不同核函数的分类结果》2019.12.30
- 《表7 不同超限学习机混合分类器表现（SVM核函数为linear)》2019.11.15
- 《表2 不同支持向量机参数的混合分类器表现》2019.11.15
- 《表1 不同支持向量机个数的混合分类器表现》2019.11.15
- 《表3 RBF核函数对样本的分类准确率》2019.08.30
- 《表1 基准函数：基于混合核SHTS-SVM的年径流预测》2019.06.01
- 《表4 用2-折交叉验证法划分数据集时, 使用rbf-SVM分类器的CA和DR》2019.07.26
- 《表6 基于RBF核函数的SVM模型在正类和负类上的表现》2019.08.25
- 《表3 不同核函数的SVM分类模型的准确率Tab.3 Accuracy of support vector machine model using different kernel functions》2019.02.25
- 《表2 径向基核函数的svm分类识别结果》2019.01.15
- 《表1 各分类器采用不同核函数的训练及测试时间》2019.04.01
- 《表4 六组数据集关于RBF核函数的不同参数的结果》2019.02.01