《表1 基于单一特征与多特征融合的海洋涡旋识别精度对比》
提示：宽带有限、当前游客访问压缩模式
注:加粗字体表示最优结果。
实验将单一特征与多特征分别利用不同的分类器进行识别，识别精度结果如表1所示。
| 图表编号 | XD0047558600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.16 |
| 作者 | 黄冬梅、刘佳佳、苏诚、杜艳玲 |
| 绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、国家海洋局东海预报中心、上海海洋大学信息学院、国家海洋局东海预报中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 上下文特征模板：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表6 对比实验结果：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表1 疲劳驾驶行为特征：多特征融合的随机森林疲劳驾驶识别算法》2020.10.15
- 《表1 试验所用负载类型：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表2 数据集分配表：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表3 混淆矩阵：基于多特征融合神经网络的串联电弧故障识别技术》2021.02.28
- 《表2 单一特征图和多特征融合图结果的对比》2020.07.25
- 《表4 不同特征对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表6 不同模型对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表5 不同模型对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表5 三种算法性能对比：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表4 两类图像特征：基于HOG特征与手部多特征信息融合的静态手势识别》2020.08.25
- 《表2 实验主要软件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表1 实验硬件环境：基于多特征融合的意图识别算法研究》2020.07.25
- 《表2 算法的定位精度：基于全局局部一致性的多特征融合目标跟踪》2020.03.25
- 《表2 实体数量统计：基于深度学习和多特征融合的中文电子病历实体识别研究》2019.11.30
- 《表3 交通标识识别耗时：基于多特征融合的交通标识实时分类与识别》2019.06.01
- 《表5 时间复杂度对比：基于多特征融合的交通标志识别算法》2019.09.15
- 《表1 精度统计结果表：基于SVM的多特征自适应融合变化检测》2019.06.25
- 《表1 误匹配率对比：基于多特征融合与树形结构代价聚合的立体匹配算法》2019.02.28