《表2 分类器训练结果：基于Python的车辆检测算法的实现》
提示：宽带有限、当前游客访问压缩模式
本文设置强分类器误检率阈值为0，弱分类器个数为40。由于硬件限制，Haar-like特征只使用五种特征，同时保证每训练十个弱分类器测试一次分类器性能。经测试，在此环境下每40分钟完成一个弱分类器的训练。且训练结果如表2:
| 图表编号 | XD00119730800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.31 |
| 作者 | 张巍 |
| 绘制单位 | 中国联合网络通信有限公司太原市分公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表7 各分类器实验结果：基于集成学习投票算法的Android恶意应用检测》2020.11.15
- 《表1 区块链分类：基于Python的用户协同过滤推荐系统的研究与实现》2020.11.05
- 《表2 估计误差：基于蚁狮算法的UKF车辆状态参数估计器》2020.05.01
- 《表5 不同算法比较/%：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表4 RLBP特征示例：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表1 预处理结果示例：基于组合特征和级联分类器的防震锤检测算法》2020.05.16
- 《表5 堆叠分类器训练算法(续)》2020.06.01
- 《表5 堆叠分类器训练算法》2020.06.01
- 《表3 度量分类器训练算法》2020.06.01
- 《表2 分类结果混淆矩阵：基于混合式学习的同伴推荐算法设计与实现》2020.04.01
- 《表1 训练结果：基于变速量化分级的车辆主动转向控制算法》2020.05.15
- 《表3 分类器效果对比：基于模糊SVM模型的入侵检测分类算法》2020.02.01
- 《表2 ABC分类结果：基于MOABC算法的分类器研究和设计》2020.01.05
- 《表3 测试平台参数：基于分数阶傅里叶变换的水下航行器LFM回波检测算法的GPU优化实现》2019.08.20
- 《表1 常见分类器：基于Python的模式识别综合设计性实验》2019.08.20
- 《表3 算法效果对比表：基于Python的改进关键词提取算法的实现》2019.07.05
- 《表2 词性权重设置：基于Python的改进关键词提取算法的实现》2019.07.05
- 《表2 基于朴素贝叶斯分类器的空中红外目标识别算法测试结果》2019.07.25
- 《表1 圆周率实验数据：基于Python实现圆周率的蒙特卡罗算法的研究》2019.06.28
- 《表1 实验预测结果：商品自动分类的贝叶斯方法及Python实现》2019.06.15