《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》
提示：宽带有限、当前游客访问压缩模式
另将海洋环境噪声、商船渔船噪声、舰艇噪声和潜艇噪声四类信号分别取5000帧组成卷积神经网络的测试集，然后利用训练完毕的网络对其进行辨识，辨识结果如表1所示。
| 图表编号 | XD0034656800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.20 |
| 作者 | 吕海涛、巩健文、孔晓鹏 |
| 绘制单位 | 海军航空大学、海军航空大学、海军航空大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 目标识别数据集：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表1 实验数据集：基于深度卷积神经网络的舰载机目标检测》2020.05.10
- 《表5 跨数据集：基于卷积神经网络的表情识别》2020.04.25
- 《表1 系统识别率比较：基于卷积长短期记忆网络的说话人辨识》2020.08.01
- 《表1 数据集说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表2 实验数据集：基于分离卷积的战场目标聚集行为识别》2020.03.28
- 《表3 网络识别性能评价：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表2 实验结果混淆矩阵：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表1 数据说明：用于水声目标信号时频特征提取与识别的深度卷积神经网络》
- 《表1 样本数据集：基于改进卷积神经网络的车型识别》2019.11.16
- 《表1 模拟数据示例：基于卷积神经网络的雷达目标航迹识别研究》2019.09.01
- 《表1 农作物病害训练集：基于卷积神经网络的农作物病害识别》2019.06.25
- 《表1 实验结果对比：基于并行卷积神经网络的军事目标图像分类技术》2019.04.20
- 《表3 测试集分类结果：基于一维卷积神经网络的齿轮箱故障诊断研究》2019.08.31
- 《表1 测试集样本数量：自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术》2019.03.01
- 《表2 高阶谱方法识别率：基于卷积神经网络的水声目标分类技术》2019.02.20
- 《表1 分类结果：基于卷积神经网络的人脸表情识别》2018.01.01
- 《表1 实验数据集：面向SAR目标分类的卷积神经网络算法研究》2018.07.15
- 《表1 网络性能比较：应用深度卷积神经网络的机场及机场内飞机目标识别技术》2018.03.15
- 《表3 测试集正确率：基于深度卷积神经网络的细胞分类新方法》2019.12.31