《表1 两种模型所得到的分类准确率 (%)》
提示：宽带有限、当前游客访问压缩模式
使用单独的CNN和DCNN对训练数据和测试数据中的五种设备进行识别后，所得分类准确率如表1所示，平均准确率和平均时间如表2所示。
| 图表编号 | XD0060772500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 周仿荣、马仪、沈志、黄俊波 |
| 绘制单位 | 云南电网有限责任公司电力科学研究院、云南电网有限责任公司电力科学研究院、云南电网有限责任公司带电作业分公司、云南电网有限责任公司带电作业分公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 两种算法选择策略和分类准确率比较》2020.12.01
- 《表2 归一化后两种算法基于最优参数分类准确率对比》2020.10.01
- 《表1 两种算法基于最优参数分类准确率对比》2020.10.01
- 《表7 两种分类方法八分类准确率对比》2020.08.01
- 《表1 模型的分类准确率：基于卷积神经网络特征提取的轻量级包装袋分类模型》2020.08.25
- 《表3 拟合电化学阻抗谱所得到的AP65镁合金在两种不同溶液中的电化学参数》2019.12.01
- 《表3 基于两种特征数据集的分类准确率（%）》2020.03.25
- 《表2 两种分类方法得到的15组特征组合预测结果的比较》2020.03.15
- 《表1 不同受试者采用单一特征和组合特征得到的平均分类准确率》2019.05.01
- 《表4 两种静脉输入形式的质量分类正确率对比》2019.06.16
- 《表1 两种分类方法得到的植被覆盖率》2019.08.01
- 《表2 两种模型所得到的平均准确率和时间复杂度》2019.04.01
- 《表3 不同屈服强度所得到的两种仿真模型极限载荷》2019.08.01
- 《表1 两种模型拟合得到的材料尺度参数》2019.03.25
- 《表1 两种取块方式下模型对肺癌病理图像分类准确率》2019.02.15
- 《表2 两种摆放方式的种子分类准确率对比》2019.01.15
- 《表2 两种算法所得到的频繁项集个数对比 (MushRoom数据集)》2018.03.25
- 《表3 两种算法所得到的频繁项集个数对比 (Chess数据集)》2018.03.25
- 《表1 利用不同分类器所得到的识别率 (单位:%)》2018.01.01
- 《表1 不同高斯核所对应分类准确率及运行时间情况》2019.12.01