《表1 28维特征向量：基于机器学习的多用户触觉手势识别研究》
提示：宽带有限、当前游客访问压缩模式
我们使用Touchalytics数据集中描述的方法为每一笔划提取28维特征向量[15]，28维特征向量见表1。
| 图表编号 | XD0016100100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.07.05 |
| 作者 | 方璐、徐丽蕊、董言治 |
| 绘制单位 | 烟台大学光电信息科学技术学院、烟台友开通信技术有限公司、烟台大学光电信息科学技术学院 |
| 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1 数据集划分：基于机器学习的用户升级预判研究》2021.01.15
- 《表3 基于机器学习和深度学习模型的古文命名实体识别研究汇总》2021.01.01
- 《表1 去噪效果对比：基于小波特征和支持向量机的非侵入式负荷识别》2020.11.01
- 《表1 蔬菜质量分级标准：基于机器视觉的火车驾驶员动态手势识别方法》2021.02.20
- 《表3 16维特征向量所对应的前10特征值的贡献率》2020.08.01
- 《表5 三种算法性能对比：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表4 两类图像特征：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表1 信号的6维特征向量》2020.06.10
- 《表1 对比实验结果：基于机器学习算法的优质客户识别模型研究》2020.06.05
- 《表1 17维特征向量说明》2020.02.10
- 《表1 实验数据分布：突发事件前Twitter用户言语行为研究:基于机器学习的方法》2020.02.01
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表2 实体数量统计：基于深度学习和多特征融合的中文电子病历实体识别研究》2019.11.30
- 《表1 降维矩阵前维特征向量的累积贡献率》2019.08.25
- 《表1 IsoGD数据集：基于浅三维稠密网的多模态手势识别算法》2019.10.01
- 《表1 仿真参数设定：基于强化学习的多机器人仓储调度方法研究》2019.07.15
- 《表1 数据特征提取：机器学习在物联网虚假用户识别中的运用》2019.07.20
- 《表1 硬件资源配置：基于深度学习的手势识别算法设计》2019.02.20
- 《表1 各种算法用时对比：基于椭圆皮肤模型和深度学习的静态手势识别》2019.02.20