《表1 不同识别方法所识别的异常样本序号》
提示：宽带有限、当前游客访问压缩模式
将以上三种方法重复运行三次，确定异常点序列号，结果如表1所示。基于这些方法可以很好的识别数据中的异常样本。
| 图表编号 | XD00183127800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 孙大明、宦克为 |
| 绘制单位 | 长春理工大学理学院、长春理工大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 该文方法识别精度：基于图像识别的变电站巡检机器人仪表识别研究》2020.10.15
- 《表2 不同方法识别设备工件摆幅和摆速异常准确率》2020.12.25
- 《表1 不同方法识别设备压力和转速异常准确率》2020.12.25
- 《表2 不同识别方法的语音1(15个样本）的识别时间表》2020.05.25
- 《表1 识别结果：电力系统低频振荡模式识别的神经网络方法》2020.06.20
- 《表7 第1批实验样本采用不同方法的识别结果》2020.05.15
- 《表2 所识别的SSH软件》2019.09.28
- 《表3 所识别的轴距及速度》2019.08.20
- 《表2 Ebola GP被抗体所识别的表位》2019.09.01
- 《表2 Ebola GP被抗体所识别的表位》2019.09.01
- 《表2 Ebola GP被抗体所识别的表位》2019.09.01
- 《表4 10种行为在不同方法上分别的识别率》2019.06.16
- 《表3 各样本选点序号：基于稀少样本数据的地应力场反演重构方法》2019.05.01
- 《表1 真实数据集细节：异常值自识别的低秩矩阵补全方法》2019.08.01
- 《表4 课程基本信息：异常值自识别的低秩矩阵补全方法》2019.08.01
- 《表3 三种识别方法进行分类识别的准确率》2019.04.01
- 《表2 评价指标权重：基于云模型与异常识别的桥梁技术状态评定方法》2019.02.01
- 《表1 标准云模型：基于云模型与异常识别的桥梁技术状态评定方法》2019.02.01
- 《表1 基于全部论文、高被引论文和高被引作者论文所识别的爆发词比较》2018.03.15
- 《表6 基于边界样本的异常信息识别方法实验结果Tab.6 Experimental results based on abnormal information identifying samples boundaries》2018.01.25