《表1 本文算法使用单一特征和融合特征识别率》
提示：宽带有限、当前游客访问压缩模式
%
VIPER上的632对图像随机选取一半做训练，另一半做测试，训练和测试的行人数相同。为验证融合特征的性能，表1给出使用单一特征和融合特征的实验对比。
| 图表编号 | XD0059466200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.15 |
| 作者 | 王琳琳、王微、梁凤梅 |
| 绘制单位 | 太原理工大学、太原理工大学、太原理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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 特征融合与单一模型结果对比》2020.10.10
- 《表2 实验方法对比：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表1 对比实验结果：基于多尺度特征融合的水果图像识别算法研究》2021.02.01
- 《表2 单一特征图和多特征融合图结果的对比》2020.07.25
- 《表6 单一特征和融合特征聚类分析结果》2020.05.25
- 《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1 融合特征算法与单一特征算法结果比较》2020.03.16
- 《表2 模型测试时间对比：基于上下文特征融合的行为识别算法》2020.01.15
- 《表1 使用本文算法的眨眼识别结果》2019.11.16
- 《表2 本文算法使用不同分割方法的识别率》2019.05.15
- 《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》2019.01.16
- 《表3 Harris特征提取中本文算法的识别精度对比》2019.01.16
- 《表2 FD特征提取中本文算法的识别精度对比》2019.01.16
- 《表4 基于MKSPMCCA算法的4组特征融合的识别结果》2019.02.01
- 《表3 基于MKSPMCCA算法的3组特征融合的识别结果》2019.02.01
- 《表2 基于KSPCCA算法的2组特征融合识别结果》2019.02.01
- 《表1 实验匹配次数：基于特征加权融合的虹膜识别算法》2019.01.01
- 《表2 加权权重表：基于特征加权融合的虹膜识别算法》2019.01.01
- 《表2 本文融合方法与单一特征融合方法误差分布对比Tab.2 Comparison of error distribution between this paper fusion method and single feature fusio》2018.12.01