《表1 2 双层特征融合识别结果及对应的标准差》
提示：宽带有限、当前游客访问压缩模式
/%
为了综合考虑3种融合方法与浅层特征对多模态生物识别性能的影响，提出了一种双层特征融合机制，由此设计了CNN-F11、CNN-F21、CNN-F12、CNN-F22．双层特征融合10次平均试验结果见表12.
| 图表编号 | XD00128459800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.10 |
| 作者 | 孔俊 |
| 绘制单位 | 东北师范大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于ECG、s EMG特征融合的识别率结果（%）》2020.12.25
- 《表1 对比实验结果：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表4 特征融合的肺癌识别结果》2020.05.16
- 《表2 受试者足弓特征值的平均数（标准差）及t检定的性别差异结果》2020.06.28
- 《表2 传感器的参数：基于多传感器信息融合的人类抓握特征学习及物体识别》2020.05.01
- 《表3 Rank=1,5,10,20,LOMO特征，WHOS特征，CCA融合特征，连接特征用XQDA的识别结果》2020.05.15
- 《表2 Rank=1,5,10,20,WHOS特征，LOMO特征，CCA融合特征，连接特征用XQDA的识别结果》2020.05.15
- 《表5 Rank=1,5,10,20,WHOS特征，GOG特征，CCA融合特征，连接特征用XQDA的识别结果》2020.05.15
- 《表3 80组输入图像融合结果的客观评价值（均值/标准差）》2020.02.15
- 《表8 Palmprint数据库在不同CNN模型中的平均识别率及对应的标准差》2020.01.10
- 《表9 Iris数据库在不同CNN模型中的平均识别率及对应的标准差》2020.01.10
- 《表1 1 单层特征融合识别结果及对应的标准差》2020.01.10
- 《表2 CNN参数设置：基于双层特征融合的生物识别》2020.01.10
- 《表1 不同特征融合权值对应的纹理识别精度》2019.10.25
- 《表4 基于MKSPMCCA算法的4组特征融合的识别结果》2019.02.01
- 《表3 基于MKSPMCCA算法的3组特征融合的识别结果》2019.02.01
- 《表2 基于KSPCCA算法的2组特征融合识别结果》2019.02.01
- 《表1 乳腺肿块最大硬度值及标准差对应的AUC及临界值》2019.02.01
- 《表1 不同特征参数对应的情绪识别结果》2018.01.05
- 《表2 识别结果：基于EEMD和二维Gabor变换的GIS局放特征融合识别方法》2018.09.30