《表1 混淆矩阵：一种基于LSTM和CNN混合模型的文本分类方法》
提示：宽带有限、当前游客访问压缩模式
实验采用文本分类常用的评估标准:准确率、精确率、召回率及F1值，对MLCNN模型进行评估．首先引入混淆矩阵，结构如表1所示．
| 图表编号 | XD00175964200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 王海涛、宋文、王辉 |
| 绘制单位 | 河南理工大学计算机科学与技术学院、河南理工大学计算机科学与技术学院、河南理工大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 并行结构模型对比：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表2 模型参数设置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表1 实验环境配置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表2 混淆矩阵表：基于LSTM的《红楼梦》文本风格分界点识别方法》2020.08.01
- 《表1 语言决策矩阵：一种基于DCNN-LSTM混合模型的RUL预测方法》2020.12.25
- 《表2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表2 混淆矩阵：基于CNN与GRU降噪自编码的心电信号分类方法》2020.04.15
- 《表2 分类结果混淆矩阵：基于CNN的强噪声干扰下C扫成像检测方法》2020.07.18
- 《表7 分类结果混淆矩阵：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《表3 3种模型实验结果：RHS-CNN:一种基于正则化层次Softmax的CNN文本分类模型》2020.05.15
- 《表6 基于光谱和空间信息的CNN分类混淆矩阵结果》2019.08.20
- 《表5 分类混淆矩阵：一种基于集成学习的钓鱼网站检测方法》2019.09.15
- 《表2 分类混淆矩阵：一种基于Logicboost的软件缺陷预测方法》2019.08.01
- 《表2 数据集：基于CNN-LSTM模型的短文本情感分类》2019.07.10
- 《表3 二分类混淆矩阵：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表1 实验环境配置：基于CNN和LSTM混合模型的人体跌倒行为研究》2019.12.01
- 《表2 参数设置：基于CNN和LSTM混合模型的人体跌倒行为研究》2019.12.01
- 《表3 分类判别混淆矩阵：基于word2vec和双向LSTM的情感分类深度模型》2019.12.01
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01
- 《表4 分类结果混淆矩阵：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01