《表6 黄瓜叶片人工叶形分类与BP叶形分类网络判断 (学习集) 的识别成功率比较》
提示：宽带有限、当前游客访问压缩模式
为测试网络的稳定性及算法可靠性，本次研究又将700个学习训练样本集重新输入网络，作为新的测试集，得到的叶形分类情况见表6。
| 图表编号 | XD0024245600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.06.01 |
| 作者 | 郝文影、曹丽君、李密生 |
| 绘制单位 | 河北科技师范学院、河北科技师范学院、河北科技师范学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验数据集分类：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表3 叶形及叶表SEM特征与各滞尘指标的关系》2021.02.20
- 《表6 不同水分环境下与玉米叶形性状相关的SSR标记及其对表型变异的解释率(P<0.01)》2020.11.01
- 《表3 离散化后的决策表：利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类》2020.10.01
- 《表1 原始信息决策表：利用粗糙集和双隐层BP神经网络的小麦籽粒品种分类》2020.10.01
- 《表6 355 dtex/72 f六叶形松枝绿POY卷绕工艺条件》2020.11.25
- 《表2 特征谱线与波长：基于激光诱导击穿光谱与GA-BP神经网络的塑料分类识别》2020.08.10
- 《表2 波段分类结果：基于BP神经网络识别汽车前保险杠方法》2018.06.10
- 《表6 玉米穗三叶叶形结构相关性状间的相关性分析》2020.05.14
- 《表1 数据集信息：基于变分模态分解与深度信念网络的运动想象分类识别研究》2020.01.28
- 《表6 人工网络分类效果：半监督属性网络表示学习方法》2019.06.15
- 《表1 BP网络方法分类识别结果》2019.07.05
- 《表1 两个龙眼品种的叶形指标比较》2019.06.01
- 《表1 叶形参数：叶根变径倒角的设计与流动分析》2019.07.20
- 《表1 烟雾数据集介绍：面向烟雾识别与纹理分类的Gabor网络》2019.02.16
- 《表1 不同卷积实验在BP神经网络分类器测试集准确率》2019.01.10
- 《表1 测试集辨识识别率：基于卷积神经网络的水声目标分类技术》2019.02.20
- 《表1 测试集分类结果：基于迁移学习的小样本农作物病害识别》2019.03.20
- 《表1 单独识别测试：基于BP神经网络的医疗废物识别与分类研究》2019.12.20
- 《表2 混合识别测试：基于BP神经网络的医疗废物识别与分类研究》2019.12.20