《表2 第2组实验设定：加权全序列卷积神经网络方法的帕金森声纹识别研究》
提示：宽带有限、当前游客访问压缩模式
第2组实验对照组采用傅里叶变换和Mel滤波器进行M FCC特征提取，实验组采用小波变换和M el滤波器提取特征，验证改变为小波变换后对分类结果的影响．第2组实验特征提取的方式如表2所示．
| 图表编号 | XD00199044200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.01 |
| 作者 | 徐志京、张铁海 |
| 绘制单位 | 上海海事大学信息工程学院、上海海事大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验结果对比：基于卷积神经网络的电力杆塔图像智能识别算法研究》2020.09.25
- 《表3 最终实验准确率：基于非对称全局卷积神经网络的遥感图像识别方法》2020.11.25
- 《表2 鞍部识别结果统计：融合卷积神经网络与多层感知器的鞍部识别方法》2021.02.01
- 《表2 秸秆分布情况：利用卷积神经网络识别交通指数时间序列模式》2020.12.05
- 《表4 模型参数设定：基于卷积神经网络的物流服务业顾客满意度评价方法研究》
- 《表4 第2组实验结果：加权全序列卷积神经网络方法的帕金森声纹识别研究》2020.12.01
- 《表3 第1组实验结果：加权全序列卷积神经网络方法的帕金森声纹识别研究》2020.12.01
- 《表1 第1组实验设定：加权全序列卷积神经网络方法的帕金森声纹识别研究》2020.12.01
- 《表1 实验环境：基于频域注意力时空卷积网络的步态识别方法》2020.06.10
- 《表1 实验设计方案：基于卷积神经网络的高速无线局域网分组丢失和错误原因识别方法》2020.06.01
- 《表1 实验结果对比表：基于全卷积神经网络的国内常见交通警告标志识别》2020.04.01
- 《表2 实验结果：基于残差神经网络的陆空通话声纹识别》2020.03.05
- 《表2 实验参数设置：基于循环卷积神经网络的实体关系抽取方法研究》2020.03.01
- 《表1 数据集说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表2 参数说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表2 实验结果：基于长短时记忆网络（LSTM）的帕金森步态识别》2020.01.01
- 《表2：全卷积神经网络用于识别病理图片中的细胞核》2020.01.01
- 《表1 实验结果：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表1 实验结果：基于卷积神经网络的图书馆信息安全的验证码识别方法研究》2019.06.13
- 《表2 可调参数设定：基于卷积神经网络的细粒度情感分析方法》2019.01.25