《表2 查全率与查准率：基于改进支持向量机的运动视频内容分类算法研究》
提示：宽带有限、当前游客访问压缩模式
%
式中，NC，NM，NF分别表示运动视频内容正确分类的个数、漏检的个数以及误检的个数。依据式（15）、式（16）计算得到不同指标数据，如表2所示。
| 图表编号 | XD00140304200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.15 |
| 作者 | 许淑贤 |
| 绘制单位 | 桂林理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同核函数的对比：基于改进孪生支持向量机的齿廓图像边缘失真分类研究》2020.10.01
- 《表1 模型分类准确率：基于支持向量机的车辆换道行为识别仿真研究》2020.09.01
- 《表2 图像场景代表意义：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表2 图像场景代表意义：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表3 模型分类结果：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表1 混淆矩阵：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表5 分类模型对比：基于支持向量机的白酒上甑探汽方法研究》2020.01.01
- 《表6 参数寻优对比：基于粒子群算法优化支持向量机的变压器绕组变形分类方法》2020.03.16
- 《表4 RD故障分类结果：基于粒子群算法优化支持向量机的变压器绕组变形分类方法》2020.03.16
- 《表3 SC故障分类结果：基于粒子群算法优化支持向量机的变压器绕组变形分类方法》2020.03.16
- 《表2 各个数据集的特性：一种面对大数据集的改进基于支持向量机的算法性能分析》2020.02.25
- 《表4 新DGA特征组合：基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型》2019.11.10
- 《表3 3组特征组合数据：基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型》2019.11.10
- 《表1 教学质量评价指标：互联网环境下基于改进支持向量机的高校教学评价研究》2019.10.01
- 《表3 三次实验结果：互联网环境下基于改进支持向量机的高校教学评价研究》2019.10.01
- 《表1 遗传算法参数设置：基于遗传算法优化支持向量机的超声图像缺陷分类》2019.09.22
- 《表2 训练样本的构成：基于遗传算法优化支持向量机的超声图像缺陷分类》2019.09.22
- 《表3 超声扫描参数：基于遗传算法优化支持向量机的超声图像缺陷分类》2019.09.22
- 《表3 算法诊断结果对比：基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究》2019.02.01
- 《表1 实验平台参数：基于改进卷积神经网络结合支持向量机的行人检测算法》2018.09.05