《表2 5种网络结构的分类正确率结果》
提示：宽带有限、当前游客访问压缩模式
针对表1中的5种网络，在南京理工大学自然纹理数据库上采用原图像RGB三通道加LBP人工设计特征通道共四通道为输入进行实验测试，得到结果如表2所示。
| 图表编号 | XD00110621600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 何银银、赖水长、侯建赭、凌杰强 |
| 绘制单位 | 南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表1 肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表5 在rpart分类器上3种方法在不同类别上的准确率单位:》2021.02.01
- 《表5 不同类别准确率：ResNet网络下教室人物姿态分类》2020.06.15
- 《表5 3种算法在ORL和COIL图像库的分类准确率》2020.05.01
- 《表3 基于3种神经网络和5种单特征值的棉花受不同数量棉铃虫危害的分类结果》2020.02.01
- 《表1 分类结果准确率：基于深度置信网络的多特征融合音乐分类算法》2020.02.20
- 《表2 5种分类器在3种数据集上的分类准确率》2020.02.28
- 《表5 案例2)实验结果：一种用于故障分类与预测的多任务特征共享神经网络》2019.07.01
- 《表5 两种分类结构的性能参数对比结果(%)》2019.10.01
- 《表2 图5的分类结果(×:错误,√:正确)》2019.10.01
- 《表2 有标记样本比例为10%时5种算法在9个数据集上的平均分类正确率对比》2019.08.10
- 《表5 组合网络模型与单一分类方法准确率比较》2019.05.10
- 《表2 5种方法的分类准确率》2019.07.15
- 《表8 采用k-NN分类器时5种算法的分类准确率 (单位:%)》2019.06.01
- 《表6 采用SVM分类器时5种算法的分类准确率 (单位:%)》2019.06.01
- 《表7 采用NB分类器时5种算法的分类准确率 (单位:%)》2019.06.01
- 《表5 2个网络在2个数据集上的分类正确率》2019.03.01
- 《表2 3种方法不同对象的分类正确率及运行时间》2019.04.01
- 《表5 4种网络结构在CIFAR-10的准确率》2019.11.18