《表1 训练数据集：基于最重要特征的裁剪k-近邻分类算法设计》
提示：宽带有限、当前游客访问压缩模式
为了验证本文改进算法的有效性和性能。本文选取海洋生物数据作为实验训练集。并选择不同样本个数分别测试。测试训练集情况如表1所示。
| 图表编号 | XD0061686800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.20 |
| 作者 | 赵琳、行致源 |
| 绘制单位 | 西安航空学院计算机学院、西安航空学院飞行器学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 所选训练集概况：基于改进ReliefF与k-means算法的良恶性肺结节分类模型》2021.03.01
- 《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1 日志数据属性特征：基于K近邻的HTTP请求日志分类算法》2020.11.25
- 《表4 K近邻分类正确率：基于判别分析与K近邻算法对塑料吸管的红外光谱分析》2020.05.20
- 《表1 部分数据样本：基于小波包分解和K最近邻算法的轴承故障诊断方法》2020.02.01
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表2 UCI数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表1 人工数据集：基于加权K近邻的改进密度峰值聚类算法》2020.03.01
- 《表2 实验数据集的大小：基于k近邻密度峰值聚类混合算法的网络入侵检测》2019.12.25
- 《表1 UCI数据集描述：基于冗余度的KNN训练样本裁剪新算法》2019.11.15
- 《表2 环形Gabor小波变换与最近邻分类器的训练和分类识别数据》2019.02.01
- 《表2 栅格位置估计值：基于K最近邻算法的地铁4G室分故障定位方法研究》2019.06.20
- 《表1 位置指纹库：基于K最近邻算法的地铁4G室分故障定位方法研究》2019.06.20
- 《表1 实验数据集信息：一种新的近邻密度SVM不平衡数据集分类算法》2019.06.01
- 《表1 UCI数据集：一种基于K近邻的比较密度峰值聚类算法》2019.05.15
- 《表2 人工数据集：一种基于K近邻的比较密度峰值聚类算法》2019.05.15
- 《表3 实验结果误差：基于K最近邻算法的城市路段行程时间短时预测》2019.07.15
- 《表3 k取值优化表：基于拉曼光谱与k最近邻算法的酸奶鉴别》2019.05.15
- 《表1 分类计算结果：基于K最近邻算法的手势识别装置》2019.03.25