《表7 深度提取前后实验结果对比》
提示：宽带有限、当前游客访问压缩模式
由表7可知，在单一特征的对比中特征2(MFCC特征深度提取后）取得了最优的识别结果，表8将其与两特征融合（特征5、特征6）和四特征融合（融合特征）进行了对比。
| 图表编号 | XD00122975900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.16 |
| 作者 | 高帆、张雪英、黄丽霞、李宝芸 |
| 绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验对比结果：基于深度学习的交通标志检测》2021.01.01
- 《表7 结构深度实验结果表》2020.10.01
- 《表3 对比实验结果：融合情感特征的深度学习微博情感分析》2020.10.20
- 《表2 实验结果对比：基于深度学习的PCB缺陷检测研究》2021.03.15
- 《表4 与经典深度学习网络模型提取精度对比》2020.12.01
- 《表2 实验结果对比：基于深度度量学习的小样本商品图像分类研究》2020.09.15
- 《表7 井浆老化前后实验性能（取样深度为3930 m)》2020.03.30
- 《表1 提取实验的结果对比》2020.04.28
- 《表2 损失函数对比实验的深度估计结果》2020.08.15
- 《表3 不同提取方法对比实验结果》2020.03.25
- 《表7 四君子汤中总皂苷提取工艺正交实验结果》2020.04.05
- 《表4 提取工艺对比实验结果》2019.11.25
- 《表3 实验结果对比：应用深度卷积的涂布缺陷检测方法》2020.03.20
- 《表2 实验结果对比表：基于语义分割与深度估计的行车环境实时解析》2019.12.25
- 《表1 实验结果对比表：基于深度学习的车辆检测》2019.12.01
- 《表2 实验结果混淆矩阵：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表2 实验结果对比：基于深度神经网络的异常流量检测算法》2019.06.10
- 《表7 桑叶总黄酮正交提取实验结果》2019.08.25
- 《表7 验证实验结果：水蒸气蒸馏法优化柴胡挥发油的提取工艺》2019.06.05
- 《表7 不同厚度钢药型罩在不同炸高下实验与模拟侵彻深度对比》2017.04.28