《表2 各算法预测血压的均方根误差》
提示：宽带有限、当前游客访问压缩模式
总体而言，本文改进的SVR模型，在利用心率和血氧实现对人体血压的预测时，不管是在准确率方面还是在均方根误差方面，均明显优于其余4种现有的常用回归模型，取得了较好的效果。
| 图表编号 | XD00134285500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.01 |
| 作者 | 奚杏杏、刘宇红、张荣芬 |
| 绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 多个算法的均方根误差均值》2020.06.01
- 《表3 各天气类型下预测结果的均方根误差和平均绝对误差》2021.02.20
- 《表1 各相似日和预测日光伏功率的均方根误差的平均值》2021.02.20
- 《表5 两个预测模型的均方根误差》2021.02.01
- 《表1 不同算法的SOC估计的均方根误差》2021.02.25
- 《表1 三种算法的均方根误差》2020.10.25
- 《表2 风电场功率预测不同隐层单元个数的均方根误差比较》2020.06.15
- 《表5 3种变量集合预测建模的均方根误差RMSE》2020.05.01
- 《表7 3种变量集合不同预测建模的均方根误差》2020.05.01
- 《表2 4种算法的均方根误差》2020.02.01
- 《表4 各算法的均方根误差》2019.12.10
- 《表1 预测结果的均方根误差》2019.09.25
- 《表2 各模型运行的均方根误差及时间》2019.11.20
- 《表3 各种算法处理后的均方根误差》2019.02.10
- 《表1 各种算法处理后的均方根误差》2019.02.10
- 《表功率测量值和预测值的均方根误差 (单位：kW)》2019.09.10
- 《表2 不包含大数据指标模型预测的均方根误差 (2011Q1—2018Q1)》2018.07.01
- 《表5 本文算法在50幅BSD图像上预测值与真值之间的均方根误差》2019.11.16
- 《表4 10幅常用图像上各算法预测值与真值之间的均方根误差》2019.11.16
- 《表3 与现有算法预测值的均方根误差比较 (RMSE)》2018.11.01