《表4 不同维数约简算法的识别准确率》
提示：宽带有限、当前游客访问压缩模式
%
为了直观反映LMDP等方法的降维效果，将各个算法降维后的特征子集输入到KNN分类器中进行故障模式辨识。不同维数约简算法的识别准确率如表4所示。
| 图表编号 | XD00215794600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 石明宽、赵荣珍 |
| 绘制单位 | 兰州理工大学机电工程学院、兰州理工大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 不同识别算法的识别正确率》2020.09.28
- 《表3 不同算法识别准确率(%)》2020.09.25
- 《表7 不同降维算法的识别准确率》2021.02.01
- 《表2 不同分类算法和不同信号指标下的识别准确率》2020.12.30
- 《表4 KTH数据集上人体康复动作识别算法的识别准确率对比》2021.01.15
- 《表2 各算法在Multi-PIE数据集上不同特征维数的识别率》2020.11.01
- 《表1 各算法在ORL数据集上不同特征维数的识别率》2020.11.01
- 《表1 不同算法的负荷识别准确率》2021.01.05
- 《表1 不同算法在ModelNet40数据集上的识别准确率》2020.05.25
- 《表2 不同算法的人群异常行为识别准确率》2020.07.18
- 《表4 不同人脸识别算法识别准确率对比》2020.09.01
- 《表6 不同算法识别准确率对比》2020.08.20
- 《表4 不同维数下三种算法的结果比较》2020.04.01
- 《表4 七分类识别准确率：宫颈细胞图像的特征选择与分类识别算法研究》2019.12.25
- 《表1 本文算法与三种不同算法识别准确率的对比》2019.11.20
- 《表2 不同算法识别准确率》2019.09.28
- 《表2 各方法结果对比：基于MLILPP维数约简的轨道交通牵引电机轴承故障诊断》2019.06.01
- 《表2 Yale B人脸库上各算法的平均识别率、标准差和维数》2019.08.20
- 《表1 AR人脸库上各算法的平均识别率、标准差和维数》2019.08.20
- 《表1 混淆矩阵：基于线性LTSA算法维数约减的软件缺陷预测研究》2019.01.10