《表1 特征人工识别分类结果》
提示：宽带有限、当前游客访问压缩模式
为了探究计算机对特征的分类结果与人工分类结果的相似与区别，将统计的88个损伤特征进行了人工识别。3位志愿者（以下简称1号、2号、3号）参与了特征的分类，结果见表1。
| 图表编号 | XD00157701900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.15 |
| 作者 | 张庆时、汤澄清、和焕胤 |
| 绘制单位 | 中国刑事警察学院、中国刑事警察学院、上海市公安局杨浦分局刑事科学技术研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 识别结果：人工智能在地下管线运维中的应用》2021.02.10
- 《表3 用提取特征进行模型训练和测试的分类识别结果》2021.01.23
- 《表1 能耗评价集：基于粗糙集贝叶斯分类算法的综合能耗特征识别研究》2020.11.20
- 《表1 遥感影像基本参数：利用多时相特征的落叶松人工林分类》2020.04.20
- 《表1 基于深度学习的情绪分类数据获取与特征识别》2020.07.15
- 《表1 系统运行结果：基于改进Canny算法的服装款式结构特征识别与分类》2020.05.25
- 《表3 分类识别结果：体表胃电的特征提取方法研究》2020.04.15
- 《表3 基于脑网络特征的四分类情感识别结果》2020.06.01
- 《表2 识别结果：基于人工智能的钢琴编曲音色识别系统设计》2020.02.15
- 《表1 数据集及其特征：基于共识和分类改善文档聚类的识别信息方法》2020.04.10
- 《表1 漏损分类特征和基于特征的识别手段》2019.12.25
- 《表4 七分类识别准确率：宫颈细胞图像的特征选择与分类识别算法研究》2019.12.25
- 《表5 所有数据分类结果：基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别》2019.11.08
- 《表1 不同特征向量不同分类器识别准确性》2019.10.01
- 《表4 分类结果比较：基于脑电的立体视频加速度的特征识别》2019.10.01
- 《表1 基于人工神经网络分类的各类别特征统计》2019.02.01
- 《表1 基于RF的特征分类识别比较》2019.01.05
- 《表6 黄瓜叶片人工叶形分类与BP叶形分类网络判断 (学习集) 的识别成功率比较》2018.06.01
- 《表1 人工设计特征分类准确率》2019.11.05
- 《表3 相序识别结果与人工现场识别结果对比》2019.12.21