《表3“一对一”支持向量机分类器》
提示：宽带有限、当前游客访问压缩模式
训练结果显示，构建的FastICA-SVM模型识别误诊率为7.75%，证明模型的可行性。
| 图表编号 | XD00110767600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.25 |
| 作者 | 张伟敏 |
| 绘制单位 | 中铁隧道股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 粒子群优化算法和支持向量机的电子音乐信号分类结果》2020.11.01
- 《表3 支持向量机总体分类结果评价》2020.10.25
- 《表3 模型分类结果：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表3 单井日产量统计：基于近似支持向量机的裂缝分类方法》2020.04.01
- 《表1 基于支持向量机分类的结果》2020.02.18
- 《表2 决策树支持向量机分类结果》2019.12.25
- 《表1 支持向量机分类识别》2020.04.01
- 《表3 精度评价：基于支持向量机的高光谱遥感影像分类》2020.02.08
- 《表1 不同支持向量机个数的混合分类器表现》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8 多分类器组合与最大似然算法、支持向量机算法、随机森林算法的分类精度对比》2019.10.25
- 《表3 超声扫描参数：基于遗传算法优化支持向量机的超声图像缺陷分类》2019.09.22
- 《表3 基于支持向量机分类器在职业大类编码上的混乱矩阵》2019.09.15
- 《表3 7月12日油膜支持向量机分类精度分析》2019.06.01
- 《表7 支持向量机分类器下不同约简方法分类精度比较》2019.08.01
- 《表3 排列熵方法的支持向量机分类结果》2019.07.01
- 《表3 采用支持向量机法建立的模型的分类效果[n (%) ]》2019.05.15
- 《表2 支持向量机分类结果》2019.02.15
- 《表1 直接聚类 (K-means) 、最近质心分类器 (NCC) 、支持向量机 (SVM) 的背景提取性能对比表》2018.01.01
- 《表2 遗传支持向量机分类结果》2018.07.20