《表1 实验平台参数：基于改进卷积神经网络结合支持向量机的行人检测算法》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于改进卷积神经网络结合支持向量机的行人检测算法》
如表1所示，算法实验依赖的计算机操作系统，软件，库等参数数据。
| 图表编号 | XD0016137600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.09.05 |
| 作者 | 焦佳丽、李雷 |
| 绘制单位 | 南京邮电大学理学院、南京邮电大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 实验平台配置表：基于边窗滤波和扩张卷积的矿井行人检测》2020.10.06
- 《表1 实验数据样本：基于蚁群优化算法和支持向量机相结合的医院网络非法入侵检测》2020.11.15
- 《表1 基于卷积神经网络的常用行人检测模型实验数据比对》2020.07.01
- 《表3 实验结果：基于支持向量机的XSS入侵检测系统研究》2020.05.01
- 《表2 检测结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表1 测试结果比对表：基于改进的YOLO与GMM相结合的地铁行人检测算法》2020.04.25
- 《表1 实验参数表：一种基于卷积神经网络的人脸识别改进算法》2020.08.01
- 《表2 查全率与查准率：基于改进支持向量机的运动视频内容分类算法研究》2020.02.15
- 《表6 参数寻优对比：基于粒子群算法优化支持向量机的变压器绕组变形分类方法》2020.03.16
- 《表2 各个数据集的特性：一种面对大数据集的改进基于支持向量机的算法性能分析》2020.02.25
- 《表4 新DGA特征组合：基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型》2019.11.10
- 《表3 3组特征组合数据：基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型》2019.11.10
- 《表3 三次实验结果：互联网环境下基于改进支持向量机的高校教学评价研究》2019.10.01
- 《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1 网络仿真参数：基于支持向量机的光纤网络故障数据自动分类技术》2019.09.25
- 《表3 算法诊断结果对比：基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究》2019.02.01
- 《表4 具体故障检测：基于关联气体和遗传算法优化支持向量机的电力变压器故障检测》2018.10.05
- 《表3 各故障正确率：基于关联气体和遗传算法优化支持向量机的电力变压器故障检测》2018.10.05
- 《表1 网络模型训练参数：融合卷积神经网络与支持向量机的表情识别》2019.12.16