《表4 不同分类器下的美感自动分类结果》
提示：宽带有限、当前游客访问压缩模式
使用不同分类器就本文提出的国画美感特征进行分类，采用10折交叉验证，各算法对于5类美感的查全率和查准率结果见表4。
| 图表编号 | XD00115230400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 湛颖、高妍、谢凌云 |
| 绘制单位 | 中国传媒大学媒介音视频教育部重点实验室、中国传媒大学媒介音视频教育部重点实验室、中国传媒大学媒介音视频教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 遗传算法优化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3 Bayes基分类器下的10%标记数据实验》2020.08.05
- 《表4 ANN基分类器下的10%标记数据实验》2020.08.05
- 《表2 SVM基分类器下的10%标记数据实验》2020.08.05
- 《表7 不同方法在不同分类器下的平均序值》2020.02.01
- 《表5 不同方法在不同分类器下的AUC值》2020.02.01
- 《表4 第一组数据集上不同方法在不同分类器下的分类性能》2020.01.01
- 《表5 第二组数据集上不同方法在不同分类器下的分类性能》2020.01.01
- 《表2 不同训练比例和分类器下的签名分类结果》2019.10.01
- 《表3 不同特征（通道）及分类器下的实验结果》2019.11.01
- 《表4 KNN分类器下分类精度比较》2019.08.01
- 《表6 不同分类器下的准确率》2019.08.10
- 《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2 SVM分类器下不同特征提取算法结果对比》2019.01.25
- 《表1 KNN分类器下不同特征提取算法结果对比》2019.01.25
- 《表3 不同分类器下的识别结果Tab.3 Recognition results under different classifiers》2019.01.10
- 《表3 两种矩在不同分类器下的识别率》2018.05.01
- 《表1 不同分类器下的分类精度和分类时间》2018.05.20