《表1 主数据识别指标：基于云模型及粗糙集的民航主数据识别方法》
提示：宽带有限、当前游客访问压缩模式
充分考虑以上因素，最终确定主数据识别的7个指标，见表1。
| 图表编号 | XD00154282000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.16 |
| 作者 | 李国、张亚、王怀超 |
| 绘制单位 | 中国民航大学计算机科学与技术学院、中国民航大学计算机科学与技术学院、中国民航大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 混淆矩阵：基于主元分析方法的化工过程故障诊断与识别》2020.09.20
- 《表3 状态识别结果：基于主成分分析和支持向量机的高压断路器机械状态识别方法》2020.09.16
- 《表3 基于不同方法的IRMAS数据集的识别结果》2020.10.01
- 《表5 有无局放数据对比：基于核主成分分析和概率神经网络的开关柜局部放电信号模式识别》2021.02.25
- 《表3 不同模型结合不同词向量方式针对主变压器故障设备数据的识别效果对比》2020.12.31
- 《表1 云模型生成方法：基于云模型和突变理论的电力物联网创新技术识别及影响分析》2021.02.01
- 《表1 数据集统计：基于不同模型的中文命名实体识别方法研究》2021.01.01
- 《表1 指标属性离散化：基于云模型及粗糙集理论的围岩稳定性分级方法研究》2018.08.25
- 《表1 训练结果对比：人体活动识别数据集的数据处理方法》2020.03.01
- 《表3 业务优先级隶属度：基于云模型及粗糙集的民航主数据识别方法》2020.08.16
- 《表4 识别结果：基于云模型及粗糙集的民航主数据识别方法》2020.08.16
- 《表2 主数据等级标准：基于云模型及粗糙集的民航主数据识别方法》2020.08.16
- 《表2 不同方法对5种数据集的故障识别正确率》2020.02.10
- 《表4 模型在Food-202数据集的识别率》2019.06.16
- 《表7 各备选主数据对识别主数据目标的层次总排序》2019.05.15
- 《表6 不同方法在车辆数据集的识别率对比》2019.07.25
- 《表1 模型数据因子：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表1 模型数据因子：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表1 Tecator数据集函数主成分组合距离分类识别率》2019.04.01
- 《表1 灵山港健康决策表：基于粗糙集的中小河流健康关键因子识别及分析》2019.04.25