《表1 深度判别性特征和LBP、GLCM、小波的性能》
提示：宽带有限、当前游客访问压缩模式
深度判别性特征取得最好的性能，作为一种深度特征，有更多的有效信息，性能要远远优于浅层特征。见表1。
| 图表编号 | XD00142958700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.10 |
| 作者 | 张丽、闫鑫、李敏、姜丽丽、徐虹霞、张光 |
| 绘制单位 | 济南市中心医院、济南市中心医院、济南市中心医院、济南市中心医院、济南市中心医院、山东第一医科大学第一附属医院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验测试结果：基于分数阶半正交多小波的跳频多址信道接收系统设计》2020.08.01
- 《表1 实验参数设置：基于分数阶半正交多小波的跳频多址信道接收系统设计》2020.08.01
- 《表2 B相电流信号的db小波的零率试验结果》2020.06.25
- 《表1 A相电流信号的db小波的零率试验结果》2020.06.25
- 《表3 典型区地质背景：综合莫兰指数和交叉小波的不均匀沉降量化分析》2020.06.01
- 《表2 深度判别性特征和Alexnet、VGG、Resnet的性能》2020.04.10
- 《表3 LBP＿GLCM纹理特征表》2020.04.25
- 《表1 网络层参数：基于深度学习与二维离散小波分解特征相融合的adaboost人脸识别模型》2020.02.05
- 《表2 风电数据集特征：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表1 5个不同类别的LBP图像在水平方向上的GLCM特征值》2019.12.20
- 《表1 7种轴承工况：基于小波和深度小波自编码器的轴承故障诊断》2019.09.15
- 《表1 7种轴承工况：基于小波和深度小波自编码器的轴承故障诊断》2019.09.15
- 《表1 特征提取部分数据：基于小波包-AR谱和深度学习的轴承故障诊断研究》2019.06.01
- 《表1 图像指标对比：基于小波的同态滤波算法处理太阳耀斑图像》2019.05.13
- 《表1 算法性能对比：基于HOG特征和小波神经网络的自适应人群计数算法研究》2019.08.25
- 《表2 分解层次为4时不同db小波的代价函数值》2019.07.05
- 《表5 判别函数特征值和显著性检验》2019.08.25
- 《表1 不同小波的ARMA-LSTM模型光功率预测的RMSE值》2019.01.15
- 《表1 比例特征分量：基于LBP和几何混合特征的人脸识别》2018.01.01
- 《表1 不同分解层数与小波的去噪效果对比表Tab.1 Comparison of Denoising Effects of Different Decomposition Layers and Wavelet》2018.06.05