《表2 有无预分类及特征选择时的错误样本个数及识别率统计》
提示：宽带有限、当前游客访问压缩模式
同时，在木材样本类别个数增多时，识别率会逐渐降低，但本文提出的系统方法，较不采用遗传算法进行特征选择的系统，其识别率高1%~7%。
| 图表编号 | XD00786200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.09.20 |
| 作者 | 晁晓菲、樊李行、蔡骋、何东健 |
| 绘制单位 | 西北农林科技大学机械与电子工程学院、西北农林科技大学机械与电子工程学院、陕西省农业信息感知与智能服务重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 被选特征数为20时7种特征选择算法在6个数据集上的分类精度及标准差》2019.11.10
- 《表1 错误识别量及纠错量统计表》2020.07.25
- 《表3 不同听诊区域和频带选择的识别分类结果统计》2020.04.15
- 《表6 特征数个数及位置：基于竞争机制粒子优化算法选择NIDS系统特征子集》2020.08.10
- 《表2 数据集：基于皮尔逊最优电极选择的ADHD患者脑电特征提取及分类研究》2020.06.01
- 《表3 错误分类统计结果：印刷维吾尔文识别后处理》2020.04.01
- 《表2 循环水预膜及正常运行时的水质mg/L》2019.12.25
- 《表2 高阶谱特征选择及分类实验》2020.02.01
- 《表1 常规特征选择及分类实验》2020.02.01
- 《表4 七分类识别准确率：宫颈细胞图像的特征选择与分类识别算法研究》2019.12.25
- 《表3 二分类识别准确率：宫颈细胞图像的特征选择与分类识别算法研究》2019.12.25
- 《表3 统计检查出的分类错误个数及耗时》2019.12.25
- 《表2 特征选择结果：基于阈值分割及模式分类器的硬性渗出自动检测方法对比研究》2019.11.10
- 《表2 有无样本扩充的模型分类结果》2019.09.01
- 《表2 样本企业选择及分类》2019.06.10
- 《表2 测试样品分类：不同产区天麻近红外光谱多变量选择及二维相关光谱识别研究》2019.02.15
- 《表1 有无TG时的系统部分特征根》2019.05.01
- 《表2 AIC变量选择的正确率及错误率》2019.02.10
- 《表2 用不同特征稀疏表示子分类器测试样本的分类识别率Tab.2 The subclassifier is used to denote the classification recognition rate of the sample in》2018.09.15
- 《表2 接边检查错误个数统计》2018.03.28