《表2 基于深度信念网络的ELM情感识别率》
提示：宽带有限、当前游客访问压缩模式
%
为了进一步验证本文方法的有效性，采取五折交叉验证法后取平均值的方法，得到了本文方法对六种不同的情感（高兴、生气、惊奇、恐惧、悲伤、平静）的混淆矩阵，见表2.
| 图表编号 | XD0043050200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 张丽、吕军、强彦、刘继华 |
| 绘制单位 | 太原理工大学信息与计算机学院、吕梁学院计算机科学与技术系、太原理工大学信息与计算机学院、吕梁学院计算机科学与技术系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 材料采集地：基于深度信念网络的计量装置故障溯源研究》2020.07.20
- 《表2 相对距离对比：基于改进深度信念网络的风电场短期风速预测》2020.11.20
- 《表3 标准物质测定结果：基于深度信念网络的闭环供应链网络风险控制》2020.12.10
- 《表2 测试仪器相关参数：基于深度信念网络的闭环供应链网络风险控制》2020.12.10
- 《表1 技改前后参数对比：基于深度信念网络的闭环供应链网络风险控制》2020.12.10
- 《表5 拟合系数统计：基于深度信念网络的闭环供应链网络风险控制》2020.12.10
- 《表2 模型训练正确率：基于深度学习的ELM实时识别研究》2020.12.15
- 《表2 特征数据预处理：基于深度信念网络的配变台区跳闸预测》2020.06.20
- 《表1 混合矩阵：基于深度信念网络的配变台区跳闸预测》2020.06.20
- 《表1 数据来源与格式：基于深度信念网络的滑坡敏感性评价》2020.05.01
- 《表2 各受试者参数信息：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2 影响因素列表：基于深度信念网络的不同行业中长期负荷预测》2019.09.01
- 《表1 统计分析：基于深度信念网络模型的多目标优化》2019.06.08
- 《表2 分类结果比较：基于深度信念网络的LAMOST恒星光谱分类研究》2019.06.15
- 《表1 分类结果：基于深度信念网络的LAMOST恒星光谱分类研究》2019.06.15
- 《表1 实验参数设置：基于深度信念网络的脑电信号疲劳检测系统》2019.05.25
- 《表1 质量等级划分：基于深度信念网络的遥感图像质量评价》2019.02.25
- 《表2 数据样本示例：基于深度信念网络的变压器故障诊断》2018.11.10
- 《表4 变压器状态编码：基于深度信念网络的变压器故障诊断》2018.11.10