《表2 平均分类精度%：基于字典优化的迁移稀疏编码方法》
提示：宽带有限、当前游客访问压缩模式
将上述三种跨域图像数据集分别在六种基于特征表示的分类算法中进行实验，并将平均分类精度作为评价标准，最终实验结果如表2所示。
| 图表编号 | XD00125606200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.20 |
| 作者 | 孟欠欠、沈龙凤、李晓、李梦雯 |
| 绘制单位 | 淮北师范大学计算机科学与技术学院、淮北师范大学计算机科学与技术学院、淮北师范大学计算机科学与技术学院、淮北师范大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同算法结果对比：基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》2020.10.25
- 《表1 部分特征计算公式：基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法》2020.10.25
- 《表1 迁移前后精度：基于稀疏注意力机制的城轨车辆轴温预测模型》2021.02.05
- 《表1 常用窗函数：一种基于光谱角字典构造稀疏表达的高光谱目标检测方法》2020.12.01
- 《表1 计算复杂度比较：MIMO-STAP稀疏字典降维方法》2020.04.25
- 《表2 仿真参数：MIMO-STAP稀疏字典降维方法》2020.04.25
- 《表2 与其他模型比较：基于堆稀疏自编码的二叉树集成入侵检测方法》2020.05.01
- 《表1 不同稀疏率的对比：基于量子粒子群算法的大型阵稀疏优化方法》2020.08.25
- 《表1 轴承数据集信息：基于EEMD和堆叠稀疏自编码的滚动轴承故障诊断方法》2020.04.18
- 《表2 卷积稀疏编码模型和优化方法》2020.01.16
- 《表1 基于字典优化的迁移稀疏编码算法》2019.12.20
- 《表1 测试集精度：基于迁移学习的高分遥感影像场景分类》2019.12.20
- 《表3 分类结果对比表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 网络参数设置表：基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究》2019.12.25
- 《表2 三种方法诊断结果：基于堆栈稀疏自编码的滚动轴承故障诊断》2019.12.30
- 《表1 UCI数据集：基于字典学习的混合采样数据分类方法》2019.10.01
- 《表2 实验结果2：基于字典学习的混合采样数据分类方法》2019.10.01
- 《表2 仿真参数：基于高斯字典原子稀疏表示的高精度宽角SAR成像方法》2019.11.01
- 《表2 文本载体字典：基于汉字笔画编码矩阵的文本隐写方法》2019.05.01
- 《表1 实验数据集描述：基于移不变字典学习和稀疏编码的滚动轴承故障识别算法》2019.01.01