《表3 不同算法在Washington DC Mall数据集上的分类精度（±前的数字表示总体分类精度，%；±后的数字表示总体分类精度的标准差，%；括号内的数字表示Kappa系数）》

《表3 不同算法在Washington DC Mall数据集上的分类精度（±前的数字表示总体分类精度，%；±后的数字表示总体分类精度的标准差，%；括号内的数字表示Kappa系数）》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《面向高光谱影像分类的空间正则化流形鉴别分析方法》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

为验证本文算法的有效性，实验时从数据集每类地物中随机选取ni个数据作为训练集，剩余的作为测试集。表3为在不同情况下各算法进行10次随机实验的Kappa系数、平均总体分类精度及其标准差。

图表编号XD00131894300    严禁用于非法目的
绘制时间2020.01.25
作者黄鸿、王丽华、石光耀
绘制单位重庆大学光电技术及系统教育部重点实验室、重庆大学光电技术及系统教育部重点实验室、重庆大学光电技术及系统教育部重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表4 各算法在Pavia University数据集上的分类精度及其他指标》2020.05.16
  2. 《表1 各算法在Indian Pines数据集上的分类精度标准差及其他指标》2020.05.16
  3. 《表6 各算法在Salinas数据集上的分类精度及其他指标》2020.05.16
  4. 《表3 被选特征数为40时7种特征选择算法在6个数据集上的分类精度及标准差》2019.11.10
  5. 《表3 基分类模型在均衡数据集上的分类精度》2020.07.25
  6. 《表1 不同算法在Indian Pines数据集上的分类精度（±前的数字表示总体分类精度，%；±后的数字表示总体分类精度的标准差，%；括号内的数字表示Kappa系数）》2020.01.25
  7. 《表4 各算法得到的Washington DC Mall数据集上每类地物的分类精度》2020.01.25
  8. 《表2 不同的分类器对不同特征提取算法在Pavia University数据集上的最高总体分类精度（OA±std)》2019.10.15
  9. 《表1 不同的分类器对不同特征提取算法在Indian Pines数据集上的最高总体分类精度(OA±std)》2019.10.15
  10. 《表3 各模型在数据集上的分类精度》2019.09.30
  11. 《表5 Pavia University数据集在不同标记样本下的总体分类精度（分类精度±标准差）（%）》2019.10.25
  12. 《表3 Indian Pines数据集在不同标记样本下的总体分类精度（分类精度±标准差）（%）》2019.10.25
  13. 《表2 不同方法在CIFAR-10数据集上的分类精度》2019.08.01
  14. 《表3 不同算法的总体分类精度》2019.06.01
  15. 《表2 R-C-APSO与对比算法在各数据集上的平均分类精度》2019.02.01
  16. 《表2 不同算法在KSC数据上的最优总体分类精度Tab.2 Optimal accuracy of different algorithms on KSC data》2018.06.01
  17. 《表1 不同算法在BOT数据上的最优总体分类精度Tab.1 Optimal accuracy of different algorithms on BOT data》2018.06.01
  18. 《表3 不同算法在PU数据上的最优总体分类精度Tab.3 Optimal accuracy of different algorithms on PU data》2018.06.01
  19. 《表2 Pavia数据集上各方法分类精度评价指标对比（黑体表示最优）》2019.11.10
  20. 《表1 Indian数据集上各方法分类精度评价指标对比（黑体表示最优）》2019.11.10

随机翻阅

《表3 Tobit回归结果》 《表6 非有效方案输出调整建议表》 《表2 k-Means改良算法历次迭代簇质心表》 《表3 次氯酸钠消毒副产物检测结果》 《表3 春季不同枝接方法对成活率的影响》 《表3 2015-2017年销售金额排名前10位抗高血压药物的DDC分析》 《表1 两组患者临床疗效比较[n=50, n (%) ]》 《表2 SD大鼠单次口服组胺、酪胺、尸胺、腐胺和混合组的乙醇药代参数 (n=5)》 《表1 养老护理员的一般资料》 《表1 基站的三维几何位置坐标》