《表1 检测准确率对比：基于机器学习的军事目标检测系统开发研究》
提示：宽带有限、当前游客访问压缩模式
检测的准确率较于单一特征明显有所提升，如表1所示，能达到92.68%。
| 图表编号 | XD00157072300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.05 |
| 作者 | 宋羿铭、解文彬、周未 |
| 绘制单位 | 陆军工程大学指挥控制工程学院、陆军工程大学指挥控制工程学院、军委装备发展部价格评审中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 图片识别结果：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表2 渗漏量预测：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表5 3种模型实验结果：基于机器学习的心律失常检测模型研究》2020.08.01
- 《表2 钝化材料基本性质：基于机器学习One-stage目标检测算法的塑料自动识别系统》2020.12.25
- 《表1 自定义菜单内容：基于机器学习One-stage目标检测算法的塑料自动识别系统》2020.12.25
- 《表5 SVM模型准确率：基于机器学习方法的上市公司财务预警模型对比研究》2020.04.15
- 《表2 LR模型准确率：基于机器学习方法的上市公司财务预警模型对比研究》2020.04.15
- 《表1 基于深度学习的目标检测模型性能对比》2020.05.01
- 《表2 基于传统机器学习方法的入侵检测解决问题对比》2020.07.01
- 《表2 未知攻击的结果：基于机器学习的入侵检测技术研究与实现》2020.04.01
- 《表1 已知攻击的结果：基于机器学习的入侵检测技术研究与实现》2020.04.01
- 《表2 不同方法的检测性：基于深度学习的目标检测与可行域分割研究》2020.06.25
- 《表9 预测准确率对比：珠联璧合：基于机器学习的网络借贷信用评分卡模型研究》2020.03.01
- 《表3 机器学习算法应用：基于图像分析的恶意软件检测技术研究》2019.10.10
- 《表1 模型性能评估表：基于Python的机器学习入侵检测的研究》2019.08.01
- 《表1 模型性能评估表：基于Python的机器学习入侵检测的研究》2019.08.01
- 《表1 实验对比结果：一种基于Gabor深度学习的无人机目标检测算法》2019.08.01
- 《表1 算法性能指标对比：基于视觉的水面垃圾清理机器人目标检测算法》2019.01.28
- 《表2 速度比较：基于机器视觉的目标位置检测方法研究》2018.02.20
- 《表1 四种方法准确率：基于机器学习的入侵检测研究》2019.11.01