《表2 KNN和PLS-DA识别模型对苹果样本识别结果》
提示：宽带有限、当前游客访问压缩模式
结合不同光谱预处理方法以及PCA变换，在MATLAB软件中编写程序，建立不同的识别模型，并对预测样本集进行识别检测，识别结果见表2。
| 图表编号 | XD0052267800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.10 |
| 作者 | 尚静、张艳、孟庆龙 |
| 绘制单位 | 贵阳学院食品与制药工程学院、贵阳学院农产品无损检测工程研究中心、贵阳学院食品与制药工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表3 改进型kNN算法中不同权重对识别率的影响》2020.07.16
- 《表4 KNN工作期识别投票结果》2020.06.01
- 《表7 Hu矩的KNN标识符识别结果》2020.05.25
- 《表3 全波长下基于不同预处理方法的KNN模型苹果产地识别率》2020.06.20
- 《表4 KNN算法识别结果》2020.04.15
- 《表2 总体分类结果：基于KNN的剩余油形态识别》2020.01.10
- 《表4 股票交易型操纵识别模型样本内和样本外检验结果》2019.10.25
- 《表1 KNN-SVM对步态的识别结果》2019.10.05
- 《表3 2种模型样本识别结果》2019.06.18
- 《表2 基于KNN和LS-SVM模式识别的识别率》2019.08.31
- 《表2 基于KNN和LS-SVM模式识别的识别率》2019.07.31
- 《表2 模型匹配结果：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表1 模型数据因子：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表1 模型数据因子：一种基于KNN算法的客户身份识别方法》2019.04.21
- 《表2 KNN与LDA模型识别率》2019.01.25
- 《表2 仿真模型线路参数：基于KNN的配电网高阻接地故障识别》2019.01.15
- 《表3 样本分布情况：基于KNN的配电网高阻接地故障识别》2019.01.15
- 《表1 苹果果实识别测试样本》2018.06.20
- 《表2 KNN识别结果：基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究》2018.09.01