《表2 测试集上的识别精度》
提示：宽带有限、当前游客访问压缩模式
%
不同算法在测试集上的识别精度见表2。可见，经过PCA降维后，SVM对每类故障的分类精度都有了明显的改善，这是因为PCA降维后消除了干扰和噪声。
| 图表编号 | XD0025104400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.08.10 |
| 作者 | 秦超、李双宏、杨煜普 |
| 绘制单位 | 上海交通大学电子信息与电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 15个学习器在5个数据集上的测试精度》2020.10.01
- 《表2 优化器训练完成后GCN模型在测试集上的精度》2020.12.20
- 《表3 各模型在测试集上的预测精度》2020.11.28
- 《表1 不同模型在测试集上的预测精度》2020.12.15
- 《表3 图像经CLAHE处理后不同模型在测试集上的识别准确率》2020.12.01
- 《表2 不同模型在测试集上的识别准确率》2020.12.01
- 《表3 不同的人脸属性识别方法在不同数据集上的属性识别精度》2020.11.16
- 《表4 在每类200张的随机采样测试集上的一格读数识别精度结果对比》2020.12.10
- 《表2 在测试集上的读数识别精度结果对比》2020.12.10
- 《表1 在4种数据集上的精度测试比较》2021.02.20
- 《表1 不同算法在测试集上的检测与识别精度》2020.11.01
- 《表2 不同模型在各测试集上的识别结果》2020.06.01
- 《表2：三种类型算法测试集上的检测精度对比》2020.03.15
- 《表3 Kinetics数据集上不同剪辑在18层R(2+1)D模型上的训练时间与识别精度》2020.05.01
- 《表2 各算法在7个数据集上的平均精度测试结果》2020.02.10
- 《表2 测试集上的精度：深度学习在表面质量检测方面的应用》2020.01.08
- 《表2 SSD算法在test-90测试集上的检测精度(单位:%)》2019.09.25
- 《表4 Transformer+CRF模型在测试数据集上的实体识别情况》2019.05.15
- 《表2 不同星座图恢复方法在测试集上的识别准确率》2019.05.28
- 《表3 不同模型在舰船测试集上的识别结果》2019.06.01