《表1 仅使用CVD特征的无人机分类结果》
提示：宽带有限、当前游客访问压缩模式
每一类无人机信号的数据总量为540，为评价该方法分类性能，随机选取每类信号的30%数据作为训练集，剩余70%数据作为测试集，通过训练及测试获得分类性能如表1～3所示。
| 图表编号 | XD00191527200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.28 |
| 作者 | 孙延鹏、赵越、屈乐乐 |
| 绘制单位 | 沈阳航空航天大学电子信息工程学院、沈阳航空航天大学电子信息工程学院、沈阳航空航天大学电子信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 使用不同特征个数的总体分类精度》2020.10.25
- 《表5 仅包括出行特征随机森林分类器混淆矩阵结果及对比》2020.09.25
- 《表2 CVD组和非CVD组COVID-19患者就诊时的影像特征》2020.11.25
- 《表1 CVD组和非CVD组COVID-19患者的临床特征》2020.11.25
- 《表2 分类特征变量：非对称机动能力多无人机智能协同攻防对抗》2020.12.25
- 《表2 仅使用三维熵特征的无人机分类结果》2021.01.28
- 《表3 联合特征的无人机分类结果》2021.01.28
- 《表3 EORA合并CVD与不合并CVD临床特征的差异》2020.12.18
- 《表2 特征变量与学习投入的多元逻辑回归分析检验结果（此处仅呈现结果显著的因素）》2020.05.01
- 《表1 仅使用任务参数在数据集D1和D2预测结果的评估指标》2020.05.01
- 《表2 分类特征：基于无人机可见光影像的红树林冠层群落识别》2020.09.15
- 《表2 提取特征列表：基于超高空间分辩率无人机影像的面向对象土地利用分类方法》2020.01.01
- 《表1 领域尺度k取值：基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法》2019.10.01
- 《表2 分类准确度：基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法》2019.10.01
- 《表1 分类特征：无人机影像与地形指数结合的梯田信息提取》2019.08.01
- 《表1 COPD患者基本特征及并发的CVD》2019.01.25
- 《表1 仅可用葡萄糖注射液稀释的主要药品及药理学分类》2018.07.10
- 《表3 最优特征空间集：结合空间分析的面向对象无人机影像土地利用分类》2018.02.25
- 《表2 仅使用单个特征标注时的模型表现》2019.12.16
- 《表3 仅使用1类方法进行共同方法偏差检验的文献数量及比例》2018.09.01