《表4 SVM分类器实验效果对比》
提示：宽带有限、当前游客访问压缩模式
(5）原因在于本文方法考虑到了少数类样本中存在的类内不平衡问题，而其他方法未考虑到样本内部分布情况。
| 图表编号 | XD00197468400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.15 |
| 作者 | 孟东霞、李玉鑑 |
| 绘制单位 | 河北金融学院金融科技学院、桂林电子科技大学人工智能学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于混合特征的SVM分类器语料测试实验结果》2018.12.01
- 《表3 各算法在SVM分类器上分类准确率对比(%)》2019.11.01
- 《表1 SVM分类器和随机森林分类器分类实验结果》2020.12.01
- 《表4 在SVM分类器上3种方法在不同折数上的准确率单位:》2021.02.01
- 《表2 SVM基分类器下的10%标记数据实验》2020.08.05
- 《表5 KNN分类器实验效果对比》2021.01.15
- 《表4 SVM和PNN分类器目标检测结果》2021.02.01
- 《表4 SVM分类器实验结果对比》2020.09.15
- 《表4 AMPSO-SVM分类器地物识别混淆矩阵》2020.07.25
- 《表4 分类效果对比：基于广义S变换和QPSO-SVM的水电机组振动故障诊断方法》2020.02.20
- 《表1 单一尺度特征提取和多尺度分区提取特征在SVM分类器的正确率对比》2020.01.30
- 《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3 SVM分类器与神经网络效果对比》2019.11.25
- 《表4 SVM分类器分类结果混淆矩阵》2019.10.25
- 《表2 SVM分类器下不同特征提取算法结果对比》2019.01.25
- 《表3 采用SVM分类器的算法对比实验》2019.01.28
- 《表3 3种特征选择方法选取的特征在SVM分类器上的实验结果》2018.02.01
- 《表1 直接聚类 (K-means) 、最近质心分类器 (NCC) 、支持向量机 (SVM) 的背景提取性能对比表》2018.01.01
- 《表3 SVM分类器参数对比》2019.11.25
- 《表4 文本分类器的实验效果》2019.11.01