《表3 不同分类器测试结果》
提示：宽带有限、当前游客访问压缩模式
为验证遗传支持向量机模型的性能，本文利用相同的数据样本对未优化支持向量机、BP神经网络进行了实验，得到的对比结果如表3所示。
| 图表编号 | XD0014860800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.07.20 |
| 作者 | 胡东、贾亚军、郑强、刘永亮、阎振坤 |
| 绘制单位 | 国网青岛供电公司、国网青岛供电公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于混合特征的SVM分类器语料测试实验结果》2018.12.01
- 《表3 不同分类器对测试集分类性能比较》2021.01.15
- 《表3 不同分类器组合识别结果》2020.10.01
- 《表2 多层感知器神经网络训练、测试、保持样本结果分类》2020.09.25
- 《表3 不同分类器实验结果比较》2020.05.15
- 《表4 基于不同特征组合的多种分类器对测试集Samsung Galaxy S7Edge的实验结果》2020.05.26
- 《表3 基于不同特征组合的多种分类器对测试集Mi 5的实验结果》2020.05.26
- 《表2 测试结果：基于知识图谱和贝叶斯分类器的图书分类》2020.06.16
- 《表3 不同分类器的实验结果》2020.05.01
- 《表1 SVM分类器优化前后测试结果》2020.09.05
- 《表3 不同分类器的识别结果》2020.08.20
- 《表4 不同分类器对测试集的分类性能》2020.02.01
- 《表5 测试组ADC图三个分类器的ROC曲线分析结果》2020.03.20
- 《表3 不同分类器在特征提取上的分类结果》2019.11.16
- 《表4 集成分类器测试分类结果》2019.06.28
- 《表2 基于朴素贝叶斯分类器的空中红外目标识别算法测试结果》2019.07.25
- 《表3 不同分类器分类结果》2019.01.01
- 《表1 各分类器采用不同核函数的训练及测试时间》2019.04.01
- 《表1 不同卷积实验在BP神经网络分类器测试集准确率》2019.01.10
- 《表4 基分类器训练和测试结果》2019.01.15