《表5 数据拟合结果表：基于二模网络链路预测的合作者识别方法研究》
提示：宽带有限、当前游客访问压缩模式
为选取拟合度最好的函数，我们将结果输入拟合软件Origin并利用非线性拟合功能进行拟合，结果如图2及表5所示。
| 图表编号 | XD00224570400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.24 |
| 作者 | 黄璐、倪兴兴、程坷飞、贾翔 |
| 绘制单位 | 北京理工大学管理与经济学院、北京理工大学管理与经济学院、中国北方工业有限公司、中国东方航空江苏有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 数据参数：基于深层残差网络和三元组损失的雷达信号识别方法》2020.11.01
- 《表1 作者-关键词加权二模网络示意表》2020.09.24
- 《表8 专家评分结果：基于二模网络链路预测的合作者识别方法研究》2020.09.24
- 《表7 实验结果对比：基于二模网络链路预测的合作者识别方法研究》2020.09.24
- 《表3 检索策略：基于链路预测的iSchools联盟院校URL共引潜在关联识别研究》2020.07.01
- 《表2 AUC结果对比：基于拓扑稳定性的有向网络链路预测方法》2020.12.05
- 《表4 RS结果分析：基于拓扑稳定性的有向网络链路预测方法》2020.12.05
- 《表1 网络特征参数：基于拓扑稳定性的有向网络链路预测方法》2020.12.05
- 《表1 仿真参数设定：基于流量预测的无线传感器网络链路路由算法研究》2020.08.20
- 《表9 链路预测结果：基于子图特征的科学家合作网络链路预测》2020.01.01
- 《表8 链路预测结果：基于子图特征的科学家合作网络链路预测》2020.01.01
- 《表7 链路预测结果：基于子图特征的科学家合作网络链路预测》2020.01.01
- 《表5 5种科学家合作网的链路预测结果》2020.01.01
- 《表1 实验数据集：基于层次化混合特征图的链路预测方法》2020.02.20
- 《表5 基于XGBoost与基于相似性的链路预测在facebook数据集上精度比较》2019.11.15
- 《表5 每种房间预测结果：基于图形识别和GRNN网络的照明设计自动化系统》2019.10.01
- 《表1 计算时间窗口算法：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《表3 AUC对比：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《表2 数据集参数：基于时序深度学习的机会网络链路预测方法》2019.09.01
- 《表1 数据集的网络结构：基于骨干度与网络编码的链路预测模型研究》2019.09.01