《表2 Alarm网络不同算法平均最佳得分》
提示：宽带有限、当前游客访问压缩模式
由表3–4可知，在Asia网络和Alarm网络中利用II-GA算法进行结构的训练时间要远少于GA算法与HC算法，这是最大支撑数缩小了搜索的范围，且IIGA算法利用改进联姻策略提升算法的局部寻优能力，提高了算法的搜索效率.
| 图表编号 | XD00165470900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.01 |
| 作者 | 刘彬 |
| 绘制单位 | 燕山大学信息科学与工程学院、燕山大学河北省特种光纤与光纤传感重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 最佳分块条件下不同算法在不同数据库的识别率》2021.01.05
- 《表2 不同算法的最佳结果比较》2020.12.10
- 《表7 不同重建算法对应的最佳重建帧数》2020.11.25
- 《表4 不同网络模型在指纹分类任务上的最佳准确率》2020.05.15
- 《表4 Alarm网络不同算法的适应度值》2020.06.01
- 《表3 用户平均带宽对比：基于匿名网络带宽的动态路由算法》2019.10.01
- 《表4 Alarm网络不同算法的执行时间》2020.07.01
- 《表1 Asia网络不同算法平均最佳得分》2020.07.01
- 《表1 平均不纯度减少算法得分前10的特征》2019.09.10
- 《表2 平均精确率减少算法得分前10的特征》2019.09.10
- 《表1 不同算法在单一噪声环境下的PESQ平均得分》2019.08.18
- 《表3 6种节点重要性排序算法在不同网络上的平均准确度》2019.06.16
- 《表6 成份得分系数矩阵：优化BP神经网络算法在农资网站销售预测中的应用》2019.02.28
- 《表2 不同算法在第三届国际脑机接口竞赛公开数据集IVa上取得的最佳分类精度》2019.01.01
- 《表2 平均得分和标准差：基于动态融合目标的深度强化学习算法研究》2019.04.01
- 《表1 1 八种算法在slashdot数据集上的评价指标值及平均得分》2019.02.15
- 《表1 0 八种算法在yeast数据集上的评价指标值及平均得分》2019.02.15
- 《表9 八种算法在scene数据集上的评价指标值及平均得分》2019.02.15
- 《表8 八种算法在enron数据集上的评价指标值及平均得分》2019.02.15
- 《表2 网络参数信息：基于速率组合的低平均时延网络编码算法》2018.02.28