《表2 遗传支持向量机分类结果》
提示：宽带有限、当前游客访问压缩模式
基于前文所得计算结果，建立遗传支持向量机模型，选取45组训练样本，每种状态各15组数据，其他数据作为测试样本。所得分类结果如表2所示。
| 图表编号 | XD0014860900 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3 粒子群优化算法和支持向量机的电子音乐信号分类结果》2020.11.01
- 《表3 支持向量机总体分类结果评价》2020.10.25
- 《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 支持向量机六分类结果》2020.10.01
- 《表2 预测结果：基于近似支持向量机的裂缝分类方法》2020.04.01
- 《表1 基于支持向量机分类的结果》2020.02.18
- 《表5 支持向量机与随机森林的分类结果对比》2020.03.01
- 《表2 决策树支持向量机分类结果》2019.12.25
- 《表2 基于SBM和两种先验模板进行特征提取时的支持向量机分类结果》2019.10.01
- 《表2 不同支持向量机参数的混合分类器表现》2019.11.15
- 《表1 故障类别表：遗传算法优化支持向量机的光伏阵列故障诊断研究》2019.09.01
- 《表4 产品的支持向量机复杂度等级分类结果》2019.11.01
- 《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 排列熵方法的支持向量机分类结果》2019.07.01
- 《表2 本方法的支持向量机分类结果》2019.07.01
- 《表1 不同方法的支持向量机分类结果比较》2019.07.10
- 《表2 支持向量机分类结果》2019.02.15
- 《表4 支持向量机 (SVM) 的分类结果混淆矩阵》2018.09.20