《表3 不同情况的训练样本所对应的识别结果》
提示：宽带有限、当前游客访问压缩模式
为了比较不同样本扩充方式的识别性能，本文对训练样本还进行了单一扩充和不扩充，并与多样本扩充方式进行对比。得到的10类军事目标的识别性能如表3所示。
| 图表编号 | XD0016875500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.07.01 |
| 作者 | 张笑、刘文波 |
| 绘制单位 | 南京航空航天大学自动化学院、南京航空航天大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 66个学习样本（占现实总量的15%）训练下的震泽古镇历史建筑识别结果》2020.08.05
- 《表4 215个样本（占现实总量的50%）训练下震泽古镇历史建筑的识别结果》2020.08.05
- 《表3 125个样本（占现实总量的30%）训练下的震泽古镇历史建筑识别结果》2020.08.05
- 《表3 实验数据训练结果（不同识别模式的动作识别率）》2020.07.15
- 《表3 故障识别结果的图、表对应情况》2020.08.01
- 《表2 五种状态训练样本各自所对应的聚类中心》2020.07.15
- 《表3 不同批量大小值对应的训练结果》2020.03.16
- 《表7 两种方法不同训练样本的缺陷识别准确率》2019.12.25
- 《表1 训练样本分布情况：基于三序分量法和PNN的配电网不对称故障类型识别》2019.12.15
- 《表3 Pho Tex纹理库不同训练样本数下各算法识别率对比》2019.07.28
- 《表5 不同训练样本对应的FRR、FAR、AER》2019.09.15
- 《表1 变压器故障类型及所对应的训练和测试样本数》2019.07.16
- 《表2 不同样本容量n所对应拒绝次数M的期望与标准差》2019.01.15
- 《表4 ELM含无训练样本类型故障识别结果》2019.05.31
- 《表8 HMM方法下各层识别结果所对应的F1值》2019.02.01
- 《表4 不同比例训练样本下的故障识别结果Tab.4 Fault recognition results with training samples of different proportions》2019.03.01
- 《表3 在不同样本数量下训练时间和正确识别率对比》2019.01.10
- 《表1 不同分块模式、训练样本下的识别率对比（单位：%）》2019.11.25
- 《表3 3种不同情况下的训练样本分类》2019.11.28
- 《表3 训练样本分类情况：基于决策树算法的水位观测干扰识别模型》2019.11.25