《表2 黑色记号笔分类模型的识别准确率Tab.2 Classification accuracy of model built by black maker pens》

《表2 黑色记号笔分类模型的识别准确率Tab.2 Classification accuracy of model built by black maker pens》   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
《基于多分类模型的记号笔墨水红外光谱分析》


  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

以水性和油性为标准，针对三种颜色的记号笔，分别建立分类模型，对相关结果展开进一步分析。表2～4为黑色、红色和蓝色记号笔分类模型的识别准确率结果；图2～4为黑色、红色和蓝色记号笔的KNN分类模型特征空间的交互式图。

图表编号XD0034397600    严禁用于非法目的
绘制时间2019.02.18
作者何欣龙、王继芬、张倩、唐敏力、何亚
绘制单位中国人民公安大学刑事科学技术学院、中国人民公安大学刑事科学技术学院、中国人民公安大学刑事科学技术学院、四川省攀枝花市公安局东区分局、中国人民公安大学刑事科学技术学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 不同核函数的SVM分类模型的准确率Tab.3 Accuracy of support vector machine model using different kernel functions》2019.02.25
  2. 《表2 基于不同特征集的KNN分类模型准确率Tab.2 Accuracy of K-nearest neighbor model using different feature sets》2019.02.25
  3. 《Table 2 Classification accuracy of discriminant analysis表2判别分析的分类准确率》2019.02.20
  4. 《表2 不同模型的提取正确率对比%Tab.2 Comparison of extraction accuracy of different models》2019.01.10
  5. 《表4 蓝色记号笔分类模型的识别准确率Tab.4 Classification accuracy of model built by Blue maker pens》2019.02.18
  6. 《表3 红色记号笔分类模型的识别准确率Tab.3 Classification accuracy of model built by Red maker pens》2019.02.18
  7. 《表1 记号笔三种分类模型的识别准确率Tab.1 Classification accuracy of model built by maker pens》2019.02.18
  8. 《表3 公交通勤识别模型的准确率及预测通勤人数汇总表Tab.3 Accuracy of public traffic identification model and summary of predicted commuters》2019.01.25
  9. 《表2 各模型的参数选择结果以及分类精度对比Tab.2 Comparison of parameter selection results and classification accuracy of each model》2019.01.25
  10. 《表2 v-WSVM算法在参数取不同值时的平均分类正确率和标准差Tab.2 Mean accuracy of classification and standard deviation with v-WSVM algorithm for di》2018.03.25
  11. 《表2 v-WSVM算法在参数取不同值时的平均分类正确率和标准差Tab.2 Mean accuracy of classification and standard deviation with v-WSVM algorithm for di》2018.03.25
  12. 《表2 分类精度验证Tab.2 Accuracy validation of classification results》2018.12.01
  13. 《表4 各方案模型识别精度Tab.4 Classification accuracy of each model》2018.12.01
  14. 《表2 不同卷积层次的情感分类准确率Tab.2 Accuracy of image emotion classification using CNN with different number of layers》2018.08.15
  15. 《表6 与流行网络模型的情感分类准确率Tab.6 Emotional classification accuracy of E-net and other popular models》2018.08.15
  16. 《表2 不同模型的分类准确率对比Table 2 Classification accuracy comparison results of different models》2018.03.30
  17. 《表2 不同分类方法的精度Tab.2 Different Methods of Classification Accuracy (%)》2018.11.20
  18. 《表3 不同特征提取方法的识别准确率Tab.3 Classification accuracy of different feature extraction methods》2018.10.01
  19. 《表2 各行为分类识别准确率Tab.2 Accuracy of different activities classification》2018.10.01
  20. 《表2 4种模型文本分类准确率实验结果Table 2 Experimental results of text categorization accuracy for four models》2018.05.20

随机翻阅

《表1 B95和7B04铝合金的化学成分（质量分数）》 《表1 变量定义：企业R&D投入影响因素分析——基于企业财务资源观的微观证据》 《表1 Vgs电压范围：部分耗尽SOI MOSFET NBTI效应研究》 《表2 内瘘成熟所需时间比较》 《表1 两组患者治疗前后PD、CAL比较 (, mm)》 《表2 原州区开城镇村级图书室基本情况》 《表6 试验效果统计：解堵解卡措施一体化及返排液免外排技术应用》 《表2 土的基本物性参数及直剪试验结果》 《表1 2013-2016年16个样点雨季大气降水的水汽来源贡献率均值》 《Table 4 SCP loci and candidate genes significantly associated with SCN resistance of soybean》