《表1 测试集语句SVM模型识别结果》
提示：宽带有限、当前游客访问压缩模式
按照3.2节所述两级SVM模型训练方法，分别训练不同特征的SVM1和SVM2的线性与非线性模型，各模型在测试集上的识别结果如表1所示。
| 图表编号 | XD00188140900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.18 |
| 作者 | 孙梦娜、李天昊 |
| 绘制单位 | 辽宁工程技术大学电气与控制工程学院、辽宁工程技术大学电气与控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 二类图像集的实验结果(线性SVM作为识别器,C=102)》2021.04.25
- 《表1 二类图像集的实验结果(线性SVM作为识别器,C=0.5)》2021.04.25
- 《表1 PC=4的SVM模型测试集识别结果》2021.01.01
- 《表7 测试集实体数量及模型识别结果》2020.11.25
- 《表1 1 各神经网络模型测试集识别效果比较》2021.01.28
- 《表2 不同模型在各测试集上的识别结果》2020.06.01
- 《表1 LDA,SVM,BPANN模型在不同主成分数下训练集和测试集的结果》2020.08.31
- 《表2 XGBoost侵权识别模型训练结果表（包含训练集和测试集）》
- 《表2 NMF-SVM模型与传统SVM动作模式识别结果统计》2020.09.01
- 《表3 CS-SVM模型识别结果》2020.04.01
- 《表2 SVM模型识别结果》2020.04.01
- 《表1 测试结果：一种基于SVM算法的波形特征识别算法》2019.12.01
- 《表4 SVM模型的识别结果》2019.11.25
- 《表4 SVM模型识别结果》2019.04.20
- 《表3 不同模型在舰船测试集上的识别结果》2019.06.01
- 《表2 通过SVM的测试集分类结果》2019.02.20
- 《表5 测试集SVM模型性能检验结果》2018.04.15
- 《表5 SVM模型测试集混淆矩阵》2018.04.23
- 《表2 SVM识别测试结果》2019.12.08
- 《表1 图书馆智能参考咨询测试数据集描述查询语句主干可表示为“谓语-宾语”》2018.06.25