《表3 PSO-PNN与其他算法的分类准确率及时间Tab.3 Classification accuracy and time of PSO-PNN and other algorithms》

《表3 PSO-PNN与其他算法的分类准确率及时间Tab.3 Classification accuracy and time of PSO-PNN and other algorithms》   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
《机器故障下加工车间优化重调度方式预测》


  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

各智能算法在不同规模的数据量下，测试集的分类准确率及对应训练与预测总时间见表3。运行的CPU为Intel Xeon Platinum 8163Processor，内存为8GB，取3次运行的平均值作为最终结果。

图表编号XD0047294900    严禁用于非法目的
绘制时间2019.01.25
作者唐秋华、陈世杰、赵萌、张利平
绘制单位武汉科技大学生产系统工程研究所、武汉科技大学冶金装备及其控制教育部重点实验室、武汉科技大学机械传动与制造工程湖北省重点实验室、武汉科技大学生产系统工程研究所、武汉科技大学冶金装备及其控制教育部重点实验室、武汉科技大学机械传动与制造工程湖北省重点实验室、武汉科技大学生产系统工程研究所、武汉科技大学冶金装备及其控制教育部重点实验室、武汉科技大学机械传动与制造工程湖北省重点实验室、武汉科技大学生产系统工程研究所、武汉科技大学冶金装备及其控制教育部重点实验室、武汉科技大学机械传动与制造工程湖北省重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 模糊积分集成分类器与其他集成分类器的精度Tab.3 Accuracies of fuzzy integral ensemble classifier and other ensemble classifiers》2019.01.30
  2. 《表1 使用SPD系统与人工纸质“两票制”管理的资料核对时间及准确率的比较Tab 1 Comparison of the time and accuracy of checking information by useing of“two-i》2019.04.15
  3. 《表3 原始算法与改进后算法正确率对比Tab.3 The accuracy comparison between original algorithm and improved algorithm》2019.01.25
  4. 《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
  5. 《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
  6. 《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
  7. 《表2 改进前后的算法时间以及准确率对比Tab.2 Comparison of the time and accuracy between traditional K-means and improved algorithm》2018.05.21
  8. 《表2 铁路行人样本库3种算法准确率及耗时Tab.2 Accuracy and elapsed time of three algorithm for railway pedestrian dataset》2018.12.01
  9. 《表1 在IMDB和APD上的情感分类准确率Tab.1 Sentiment classification accuracy rate on IMDB and APD data sets》2018.04.25
  10. 《表5 本文与传统方法的情感分类准确率Tab.5 Accuracy of image emotion classification using proposed method and traditional methods》2018.08.15
  11. 《表3 不同滤波器参数的情感分类准确率Tab.3 Accuracy of image emotion classification using CNN with different parameters》2018.08.15
  12. 《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
  13. 《表3 1986—2016年滨海新区湿地分类精度表Tab.3 Accuracy of wetlands classification between1986 and 2016》2018.10.01
  14. 《表3 分类结果的精度/召回率和准确度Table 3 The precision/recall and accuracy of the classification results》2018.07.01
  15. 《表3 不同规模随机森林的分类准确率Tab.3 Classification accuracy of different-sized random forest》2018.04.10
  16. 《表1 分类结果的准确率及kappa系数Tab.1 Classification accuracies and kappa coefficients》2018.12.01
  17. 《表2 3种算法的匹配正确率和时间Tab.2 The matching accuracy and time of three algorithms》2018.09.28
  18. 《表3 踝关节4种动作分类正确率Tab.3 Classification accuracy of four kinds of ankle movements》2018.04.30
  19. 《表3 位置查询时间与准确率Tab.3 Time Consuming of Retrieval and Its Accuracy》2018.02.20
  20. 《表1 不同方法分类的准确率、敏感性、特异性Tab.1 Classification accuracy, sensitivity, and specificity of various methods》2018.06.20

随机翻阅

《表2 分登记注册类型企业的产值和增加值率的全市工业对比情况》 《表1 变量定义表：新旧动能转换背景下高新技术企业R&D融资约束、融资渠道、企业性质》 《表2 体检结果各项指标异常检出情况》 《表2 受试消毒剂豚鼠皮肤变态反应结果Table 2 Results of skin hypersensitivity of guinea pigs with the disinfectant》 《表1 3组患者疗效比较[例(%)]》 《表3 比较不同研究区域沉积物中PAHs含量》 《表3 应力与屈服强度：油罐热变形有限元模拟研究》 《表3 两组产妇焦虑感、疼痛感及分娩控制感情况比较[分,(±s)]》 《表1 YKL-40、HPL、HCG在绒癌和PSTT中的表达[n (%) ]》 《表1 钎料铸锭名义成分 (质量分数, %)》