《表2 样本集合分类与预测结果》
提示：宽带有限、当前游客访问压缩模式
在分类训练及识别阶段，分别对样本个体和样本集合进行分类和预测测试，样本个体的分类及预测结果见表1，样本集合的分类及预测结果见表2。在分类测试中，训练集与测试集的比例设置为9∶
| 图表编号 | XD0051232800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 张明媛、陈硕、赵雪峰 |
| 绘制单位 | 大连理工大学建设管理系、大连理工大学建设管理系、大连理工大学土木工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 部分训练样本的试验结果与预测数据》2020.10.10
- 《表1 一级分类集合I与二级分类集合J部分元素频数及权重统计》2020.10.28
- 《表1 误差指标仿真结果：基于互补式集合经验模态分解和IPSO＿LSSVM的短期风功率预测》2020.11.12
- 《表3 部分样本分类预测结果》2020.03.01
- 《表2 故障样本集合部分特征归一化值》2020.06.16
- 《表2 桩身完整性分类与评价集合对应关系》2020.07.25
- 《表2 样本集合的分类：基于集成深度置信网络的精细化电力系统暂态稳定评估》2020.03.25
- 《表2 建模集茶汤样本的冲泡条件、亮度感官审评结果与分类》2020.04.15
- 《表2 建模集茶汤样本的冲泡条件、亮度感官审评结果与分类》2020.04.15
- 《表2 实验样本组成：一种用于故障分类与预测的多任务特征共享神经网络》2019.07.01
- 《表2 全样本回归结果1：分析师预测分歧与公司现金持有实证研究》2019.10.25
- 《表2 测试样本的输出值与分类结果》2019.06.01
- 《表3每一类样本分类及预测精度》2019.06.10
- 《表2 藏族文化要素分类集合》2019.06.20
- 《表1 样本个体分类与预测结果》2019.06.25
- 《表3 样本峰位置预测模型的分类结果》2019.05.10
- 《表2 K近邻模型下样本分类预测表》2019.01.01
- 《表2 测试样本的预测结果与误差》2018.12.01
- 《表5 不同噪声水平下在10张测试图像集合上的预测结果与真实结果的均方根误差Tab.5 The RMSEresults obtained from ten images with different noise levels Noise Le》2018.06.15
- 《表2 样本参数分类：基于深度神经网络模型的钻井井漏预测研究》2019.12.01