《表3 实验结果：基于生成对抗网络的不平衡分类数据扩充问题研究》
提示：宽带有限、当前游客访问压缩模式
为了验证模型的效率，采用了Accuracy、Recall、F-measure、G-mean这4个指标作为实验的评价指标。实验结果如表3所示。
| 图表编号 | XD0056415000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.18 |
| 作者 | 戚德雄、王强 |
| 绘制单位 | 三峡大学计算机与信息学院、三峡大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 管道材料主要参数：基于生成对抗网络的轴承不平衡数据研究》2020.10.01
- 《表3 人工评估实验结果：基于生成对抗网络的书法纺织图案设计开发》2021.02.20
- 《表2 实验数据集描述：基于欠采样和代价敏感的不平衡数据分类算法》2021.01.10
- 《表1 实验结果：基于条件生成对抗网络的语音增强》2020.08.20
- 《表1 实验数据集：基于模糊粗糙最近邻算法的不平衡数据分类》2020.11.15
- 《表3 数据扩充详情：基于生成对抗网络的农作物叶片病害识别》2020.11.01
- 《表1 原始案例样本分布：基于策略梯度和生成式对抗网络的变压器油色谱案例扩充方法》2020.12.10
- 《表2 生成数据分布：基于策略梯度和生成式对抗网络的变压器油色谱案例扩充方法》2020.12.10
- 《表1 生成器架构：基于LeakyMish流行正则化半监督生成对抗网络的图像分类模型》2020.06.25
- 《表1 训练超参数实验值：基于邻域差分滤波生成式对抗网络的数据增强方法》2020.06.01
- 《表1 数据集分布：基于生成对抗网络的数据增强研究》2020.08.10
- 《表3 不同损失函数结果：基于密集连接的生成对抗网络实现单图像超分辨率方法研究》2020.06.20
- 《表1 异常数据类型：基于生成对抗网络的异常行为模拟算法研究》2019.12.01
- 《表1 异常数据类型：基于生成对抗网络的异常行为模拟算法研究》2019.12.01
- 《表2 数据集的统计特征：基于生成对抗模型的异质信息网络语义表征方法研究》2019.11.01
- 《表1 实验数据：带重现概念漂移的不平衡数据流分类研究》2019.06.01
- 《表1 混淆矩阵：基于生成对抗网络的不平衡分类数据扩充问题研究》2019.08.18
- 《表2 数据集：基于生成对抗网络的不平衡分类数据扩充问题研究》2019.08.18
- 《表2 实验数据：基于随机平衡采样的不平衡数据流分类研究》2018.01.05
- 《表1 混淆矩阵定义：基于随机平衡采样的不平衡数据流分类研究》2018.01.05