《表1 各类特征的准确率Tab.1 Accuracies of prepared feature vectors》

《表1 各类特征的准确率Tab.1 Accuracies of prepared feature vectors》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于声信号的履带机器人地面分类试验研究》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

为了与传统特征进行对比，根据文献[7]提取了11维幅域特征；使用db10小波基函数分别提取了8维和16维小波包能量特征；提取200维和300维FFT特征；提取36维修正MFCC+ΔMFCC特征.文中以各地面的平均分类准确率作为评价指标，简称准确率.各类特征的分类结果如表1所示，从图中可以看出，36维修正MFCC+ΔMFCC明显优于其它特征.

图表编号XD002931400    严禁用于非法目的
绘制时间2018.09.01
作者赵凯、董明明、刘锋、王玉帅、孙晋伟、顾亮
绘制单位北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表2 2数据集特征识别性能对比Tab.2 The comparison of feature vector recognition performance in two datasets》2019.02.01
  2. 《表4 不同工况下振动信号经VMD分解后的复杂度特征向量表Tab.4 Complexity feature vector table of vibration signals after VMD decomposition under dif》2019.01.15
  3. 《表1 纳入文献的基本特征Tab.1 Basic features of the included literature》2019.02.25
  4. 《表1 平均人脸识别准确率Tab.1 Average face recognition accuracies》2019.01.28
  5. 《表1 各类异态检测技术特性对比Tab.1 Feature comparison of different kinds of obstacles detection technologies》2019.01.01
  6. 《表2 特征矢量Tab.2 Feature vectors》2019.01.25
  7. 《表3 故障特征向量Tab.3 Fault feature vector》2019.02.01
  8. 《表3 第四层的特征向量及一致性检验Tab.3Feature vector and consistency test of fourth layers》2018.05.15
  9. 《表1 不同特征维度大小Tab.1 Dimensions of different feature》2018.09.15
  10. 《表2 部分特征向量Table 2 Partial feature vector》2018.03.01
  11. 《表1 基于PRPD图谱、N-P图谱和Q-P图谱提取的特征向量Tab.1 Feature vector extraction based on PRPD、N-P and Q-P》2018.04.25
  12. 《表9 噪声环境下优选2DPCA特征的局部放电识别结果Table 9 PD pattern recognition accuracies using the proposed 2DPCA features under noisy enviro》2018.05.01
  13. 《表4 PSO优选2DPCA特征的局部放电模式识别结果Table 4 PD pattern recognition accuracies using PSO selected 2DPCA features》2018.05.01
  14. 《表7 PSO优选2DPCA特征与其他方法的识别结果Table 7 PD pattern recognition accuracies of the PSO selected 2DPCA features and other methods》2018.05.01
  15. 《表1 分类结果的准确率及kappa系数Tab.1 Classification accuracies and kappa coefficients》2018.12.01
  16. 《表1 特征向量参数Tab.1 The parameters of the feature vector》2018.04.30
  17. 《表1 特征的主颜色Tab.1 Dominant color of the feature》2018.05.10
  18. 《表1 EOVW故障特征向量Tab.1 EOVW fault feature vectors》2018.02.05
  19. 《表6 SPSS主成分分析得到的特征向量Table 6 Feature vectors obtained by principal component analysis of SPSS》2018.06.15
  20. 《表4 各主成分的特征向量及贡献率Table 4 Each feature vector and contribution rate of principal components》2018.04.30

随机翻阅

《表2 两组实践成绩对比：CBL联合企业微信资源管理在护理教学中的应用》 《表1 由ln(ln(11-y)-lnt线性关系得到的Avrami方程中参数b和n》 《表2 小型模块化氟盐冷却高温堆TRISO燃料参数》 《表1 3种催化剂的电化学活性面积》 《表1 话题和交际任务的设计》 《表3：家庭社会资本、个人社会资本及应对方式关系展示情况2》 《表2 利率管制下的稳态：利率市场化必然会降低商业银行盈利能力吗——基于信贷资源配置效率的探讨》 《表5 复方救必应胶囊中3种成分的质量分数》 《表3 各种多粒子群PSO算法在动态优化问题中的实验结果》 《表8 尾矿渣微粉-混凝土配合比》