《表4 各算法在不同N′下的Recall值》
提示：宽带有限、当前游客访问压缩模式
%
式中:index表示准确率/召回率值，N′=10。具体实验结果如表3和表4所示，每行最优值用黑体标出。
| 图表编号 | XD0074248500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.01 |
| 作者 | 李广丽、朱涛、袁天、滑瑾、张红斌 |
| 绘制单位 | 华东交通大学信息工程学院、华东交通大学信息工程学院、华东交通大学信息工程学院、华东交通大学信息工程学院、华东交通大学软件学院、武汉大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 不同算法在各数据集下的Acc比较》2021.01.05
- 《表4 三种算法在两种环境下的覆盖值结果》2020.08.10
- 《表3 各数据样本在不同算法下的BPA值》2020.11.25
- 《表2 各函数在不同算法、不同维度下的平均最优适应值》2018.03.01
- 《表4 各预测算法在不同网络上的AUC值(90%训练集)》2020.05.01
- 《表4 各算法在不同数据集上的AUC值对比》2020.05.01
- 《表1 不同邻居数L情况下各算法对应的Precision、Recall值》2020.06.25
- 《表4 5种算法在不同图像，相同采样率（M/N=0.125）下的RMSE和PSNR》2020.06.10
- 《表1 不同算法在不同挑战因素下的距离精度值》2020.03.01
- 《表4 各算法在不同数据集的平均PI值对比》2020.04.01
- 《表2 不同算法在不同挑战因素下的成功率精度值》2020.01.25
- 《表1 不同算法在不同挑战因素下的距离精度值》2020.01.25
- 《表4 不同算法在各数据集下的RI比较》2020.02.15
- 《表4 每个数据集在不同Stacking算法下的AUC值》2019.08.01
- 《表3 不同算法的precision、recall和f-macro值 (x珋±s)》2019.01.30
- 《表3 各算法在不同N′下的Precision值》2019.05.01
- 《表4 本文算法在其他参数值下的迭代次数和时间》2019.08.25
- 《表2 五种机器学习算法在不同情况下的xacc值》2019.04.01
- 《表3 五种机器学习算法在不同情况下的fmeasure值》2019.04.01
- 《表4 五种机器学习算法在不同情况下的Gmean值》2019.04.01