《表2 总体分类结果：基于KNN的剩余油形态识别》
提示：宽带有限、当前游客访问压缩模式
实验对5张图像进行测试，测试分类结果如表2和表3所示，表3是所有测试实验图像5个类别的具体分类结果。
| 图表编号 | XD00125566400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.10 |
| 作者 | 程小龙、王正勇、滕奇志 |
| 绘制单位 | 四川大学电子信息学院图像信息研究所、四川大学电子信息学院图像信息研究所、四川大学电子信息学院图像信息研究所 |
| 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2 基于KNN、SVM的滚动轴承整体识别准确率》2020.12.18
- 《表1 KNN识别石英石：基于PSO-Faster R-CNN改进算法的矿石识别分类研究》2021.02.25
- 《表4 基于中心向量的KNN分类结果表》2021.03.25
- 《表2 基于作物形态结构的分类与识别举例》2020.05.01
- 《表4 KNN分类结果：基于CT影像特征的非小细胞肺癌复发相关性因素研究》2020.08.30
- 《表3 准确率测试结果：一种基于SMOTE的不均衡样本KNN分类方法》2020.06.01
- 《表8 六分类总体识别结果比较》2019.08.01
- 《表1 参数最值：基于KNN的剩余油形态识别》2020.01.10
- 《表2 KNN的分类概率：基于情感词汇与机器学习的方面级情感分类》2020.01.16
- 《表2 基于KNN和LS-SVM模式识别的识别率》2019.08.31
- 《表2 基于KNN和LS-SVM模式识别的识别率》2019.07.31
- 《表2 模型匹配结果：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表1 模型数据因子：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表2 分类准确率：基于VMD和KNN的心电信号分类算法》2019.04.01
- 《表2 仿真模型线路参数：基于KNN的配电网高阻接地故障识别》2019.01.15
- 《表6 适应性分析结果：基于KNN的配电网高阻接地故障识别》2019.01.15
- 《表4 负荷参数：基于KNN的配电网高阻接地故障识别》2019.01.15
- 《表2 KNN识别结果：基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究》2018.09.01