《表2 基于贝叶斯的矩阵分解方法》
提示：宽带有限、当前游客访问压缩模式
近年来研究人员提出了各种预测DTI的计算方法。其中，基于贝叶斯的矩阵分解方法被广泛应用于药DTI矩阵，如表2所示。
| 图表编号 | XD00141130400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 彭超、胡永祥、陈龙飞、叶紫璇、田埂 |
| 绘制单位 | 湖南工业大学计算机学院、湖南工业大学计算机学院、元码基因科技(北京)股份有限公司、湖南工业大学计算机学院、元码基因科技(北京)股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模板台车变形监测：基于朴素贝叶斯的新冠疫情新闻分类研究》2020.07.25
- 《表1 样机参数：基于朴素贝叶斯的新冠疫情新闻分类研究》2020.07.25
- 《表2 LSTM与朴素贝叶斯的文本分类结果对比》2020.12.31
- 《表1 硬度数值（HB)：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表3 沙被规模分类：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表2 实验结果：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表3 实验结果：基于改进的朴素贝叶斯的入侵检测方法》2020.05.10
- 《表2 混淆矩阵：基于改进的朴素贝叶斯的入侵检测方法》2020.05.10
- 《表1 定量因素判断矩阵：基于贝叶斯网络的“低慢小”目标威胁评估方法》2019.12.01
- 《表1 各等级对应的成绩：基于朴素贝叶斯的英语成绩预测模型构建研究》2019.10.25
- 《表1 数据信息：基于BP和朴素贝叶斯的时间序列分类模型》2019.08.01
- 《表2 语义依存特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表1 评价信息特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表3 宏F1值：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表2 宏查全率：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表1 宏查准率：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表2 基于矩阵分解的词向量方法》2019.02.01
- 《表2 预测结果统计：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18
- 《表1 实验数据集：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18
- 《表3 基于贝叶斯的道路交通事故伤亡特征因子甄别Tab.3 Bayesian theory-based characteristic factor selecting of road accident casualties》2018.05.25