《表3 基本概率分配：基于多特征融合的机场FOD图像检测技术》
提示：宽带有限、当前游客访问压缩模式
通过求出各个特征对各种情况的支持程度，可以得到最后的基本概率分配，如表3所示。
| 图表编号 | XD00133035300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 陈济达、汤新民、刘金安 |
| 绘制单位 | 南京航空航天大学民航学院、南京航空航天大学民航学院、南京航空航天大学民航学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 检测模型实验结果：基于多特征融合的视频隐写分析方法》2020.10.01
- 《表3 对照试验分析结果：基于多特征融合的城市轨道交通短时客流预测》2020.12.20
- 《表1 试验所用负载类型：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表2 数据集分配表：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表3 混淆矩阵：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表1 云检测定量评价：基于多特征融合的层次支持向量机遥感图像云检测》2021.01.01
- 《表1 对比结果：基于多特征融合的摔倒检测方法》2020.11.01
- 《表5 网络模型简称含义：基于多特征融合的多尺度服装图像精准化检索》2020.04.01
- 《表2 服装款式部件分类：基于多特征融合的多尺度服装图像精准化检索》2020.04.01
- 《表4 两类图像特征：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表1 车辆检测总体结果：基于多特征融合的车辆检测算法》2020.06.20
- 《表3 融合步骤得分：融合多特征的视频帧间篡改检测算法》2020.02.15
- 《表1 测量参数：基于多特征融合的机场FOD图像检测技术》2020.01.25
- 《表3 诊断结果：基于贝叶斯网络的牵引逆变器开路故障多特征融合诊断方法》2020.03.01
- 《表4 算法对比结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表3 验证结果：基于改进ASM的多特征融合疲劳检测方法》2019.11.16
- 《表3 交通标识识别耗时：基于多特征融合的交通标识实时分类与识别》2019.06.01
- 《表1 图像复杂度f级别：基于多特征信息融合的彩色图像复杂度研究》2019.09.10
- 《表1 精度统计结果表：基于SVM的多特征自适应融合变化检测》2019.06.25
- 《表2 3种算法的性能：基于多特征融合与机器学习的鱼类摄食行为的检测》2019.02.25