《表5 TSDA+K-Means、TSDA+GMM和NPA实测结果》
提示：宽带有限、当前游客访问压缩模式
以轮廓系数SC量化测点分布情况，CH指标衡量区域内聚程度，两者取值越大则相应性能越好.计算NPA、TSDA+K‐Means和TSDA+GMM的平均SC和CH指标，如表5所示.
| 图表编号 | XD00163163200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.01 |
| 作者 | 毛莺池、程杨堃、齐海 |
| 绘制单位 | 河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
![表3 BPD组与非BPD组NPA培养结果[例（%）]](http://bookimg.mtoou.info/tubiao/gif/ZSEK202011014_02600.gif)
相关图表
- 《表2 基态ComBn(m+n≤6)团簇中Co和B原子自然布局分布(NPA)和自然电子组态(NEC)》2021.06.28
- 《表5 Heckman两阶段模型和GMM模型》2021.01.25
- 《表3 BPD组与非BPD组NPA培养结果[例（%）]》2020.11.06
- 《表6 BPD组17株NPA肺炎链球菌药敏结果》2020.11.06
- 《表6 (TPFC) Mn(Ⅲ)(A=T)和(TPFC) Mn(Ⅲ)(C≡G)的NPA电荷》2021.02.25
- 《表2 (TPFC) Mn(Ⅲ)(L)的NPA电荷和韦伯键级》2021.02.25
- 《表5 系统GMM估计结果》2020.04.10
- 《表6 差分GMM和系统GMM估计结果》2020.04.20
- 《表4 NPA与AE+K-Means和AE+GMM性能比较》2020.04.01
- 《表5 测试集的预测结果：基于K-Means和Logistic的寿险客户流失预测模型研究》2020.09.15
- 《表5 GMM估计结果分析》2020.07.15
- 《表5 路基面实测数据与有限元分析和理论计算结果对比》2020.03.20
- 《表5 传统K-means聚类结果(Ⅰ)》2019.12.01
- 《表5 有限元分析结果和实测应力试验结果对比》2019.09.10
- 《表5 按地理区域、能效水平和尾效程度分组的系统GMM回归结果》2019.05.25
- 《表5 K-means最佳k值选择测试结果》2019.06.01
- 《表5 面板GMM回归结果》2019.04.01
- 《表5 面板GMM回归结果》2019.04.01
- 《表5:两步GMM估计结果》2018.03.25
- 《表5 差分GMM回归结果》2018.04.17