《表3 7月12日油膜支持向量机分类精度分析》
提示：宽带有限、当前游客访问压缩模式
注:总体精度为99.95%；Kappa系数为0.998 8
2010年7月12日影像使用平行管道法、最大似然法、支持向量机法提取溢油区域的精度分析分别如表1～表3所示。
| 图表编号 | XD0077715100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 陈韩、谢涛、徐辉、陈伟 |
| 绘制单位 | 南京信息工程大学海洋科学学院、南京信息工程大学遥感与测绘工程学院、国家气象中心、武汉理工大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 支持向量机总体分类结果评价》2020.10.25
- 《表6 支持向量机支撑下的不同识别方法的农作物分类精度》2020.10.25
- 《表1 SHM的分类精度：基于支持向量数据描述的闭合超球面机》2021.02.16
- 《表3 基于支持向量机（SVM）提取的2018年土地利用信息精度》2021.01.01
- 《表3 支持向量机反演土壤全氮模型构建与精度验证》2020.10.15
- 《表3 分类结果分析：基于扫频阻抗法及支持向量机的变压器绕组微小变形分类方法》2021.01.25
- 《表5 基于面向对象的支持向量机(SVM)和随机森林(RF)分类精度》2020.07.01
- 《表4 分类精度对比：基于商空间和支持向量机的滚动轴承故障智能诊断》2020.07.28
- 《表1 7种水体指数组合下建立的支持向量机模型的精度》2020.02.01
- 《表3 基于支持向量机的多生理信号融合的识别精度》2020.02.25
- 《表4 支持向量机的分类精度评价方法》2020.02.25
- 《表3 精度评价：基于支持向量机的高光谱遥感影像分类》2020.02.08
- 《表8 多分类器组合与最大似然算法、支持向量机算法、随机森林算法的分类精度对比》2019.10.25
- 《表2 7月12日油膜最大似然法分类精度分析》2019.06.01
- 《表1 7月12日油膜平行管道法分类精度分析》2019.06.01
- 《表6 5月9日溢油支持向量机分类精度分析》2019.06.01
- 《表7 支持向量机分类器下不同约简方法分类精度比较》2019.08.01
- 《表7 分类结果混淆矩阵：一种基于支持向量机的跨站脚本漏洞检测技术》2019.02.01
- 《表1 分类精度统计表：基于支持向量机分类的耕地变化检测》2019.04.20
- 《表4 不同样本数据量下的支持向量机分类精度》2019.11.25