《表1 聚类过程：基于SVM和KNR的体型分类算法》
提示：宽带有限、当前游客访问压缩模式
通过3.1节的处理已获得每张图片的主躯干的长度和宽度，将7 500张图片主躯干的宽度和长度比值进行聚类，其目的是将体型数据分为正常、高瘦、矮胖3类。聚类所用参数见表1。
| 图表编号 | XD00192306400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 先诗亮、刘本永 |
| 绘制单位 | 贵州大学大数据与信息工程学院、贵州大学智能信息处理研究所、贵州大学大数据与信息工程学院、贵州大学智能信息处理研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 各专业轻量化内容：面向自标定室内定位基于遗传算法优化SVM的视距与非视距信号分类》2021.01.01
- 《表1 实验采用的数据集：基于划分融合的非平衡SVM分类算法》2021.01.25
- 《表1 数据集相关信息：基于ML loss的SVM分类算法》2021.02.05
- 《表2 混淆矩阵：基于ML loss的SVM分类算法》2021.02.05
- 《表2 三个聚类中心：基于k均值与SVM算法的学生综合评价及分类研究》2020.10.25
- 《表3 KNR和SVM准确率对比》2020.11.01
- 《表2 σ的最佳估计值：基于SVM和KNR的体型分类算法》2020.11.01
- 《表4 PSO参数设置：基于CSP-PSO-SVM的运动想象EEG信号特征提取与分类算法》2020.06.26
- 《表1 8个人体特征权重：基于改进快速搜索和发现密度峰值算法的男童体型分类及判别》2020.05.15
- 《表2 实地样本数据：基于改进SVM算法的典型作物分类方法研究》2020.07.25
- 《表3 分类器效果对比：基于模糊SVM模型的入侵检测分类算法》2020.02.01
- 《表2 基于不同优化算法下的SVM分类准确率》2019.12.28
- 《表3 拟合分类汇总：基于Logsitic回归模型和自适应密度聚类算法的分行业负荷增长规律》2019.05.25
- 《表6 最终聚类中心：基于胸部形态的青年男性体型分类研究》2019.08.25
- 《表1 3 聚类成员：基于K-均值算法的客户分类研究》2019.08.28
- 《表1 峰值信噪比比较：改进SVM分类和稀疏表示的图像混合去噪算法》2019.07.01
- 《表1 实验数据：基于Transfer-SVM多标签文本分类算法研究》2019.05.25
- 《表2 基于BT-SVM组合的新型动态加权多分类算法、随机森林和GBDT模型对比表》2019.01.10
- 《表3 数据集介绍表：基于BT-SVM模型组合的动态加权多分类算法研究》2019.01.10
- 《表5 聚类后数据：赣南地区妊娠晚期女性的体型分类研究》2018.11.25