《表2 多分类器融合与单分类器的识别结果》
提示：宽带有限、当前游客访问压缩模式
在上述训练集上分别采用SVM、BP神经网络和AdaBoost算法训练分类器，并将3种单分类器进行融合，在测试集上的识别结果如表2所示。
| 图表编号 | XD0095193100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.10 |
| 作者 | 张晓、王莉莉 |
| 绘制单位 | 中国电子科技集团公司第三十研究所、中国电子科技集团公司第三十研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同噪声环境不同信噪比下不同分类器的识别结果列表》2020.06.05
- 《表2 特征优选前不同分类器的识别精度比较》2020.12.20
- 《表4 多分类器共同工作与单分类器独自工作识别结果》2020.07.05
- 《表2 各分类器数据量：基于多分类器的无分割手写数字字符串识别算法》2020.07.05
- 《表2 不同分类器的OSA片段识别》2020.08.20
- 《表3 不同分类器的识别结果》2020.08.20
- 《表5 不同分类器的识别结果》2019.12.10
- 《表1 数据集详细信息：基于多分类器融合的卫星图像舰船目标识别》2019.09.10
- 《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1 不同分类器的识别率》2019.09.28
- 《表2 属性预处理结果：邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究》2019.01.25
- 《表2 基于朴素贝叶斯分类器的空中红外目标识别算法测试结果》2019.07.25
- 《表1 其他分类器的识别准确率》2019.01.30
- 《表2 模式识别分类器的比较》2019.04.20
- 《表2 基于不同分类器的局部放电模式识别准确率》2019.01.01
- 《表3 谎言检测结果：基于SVM和GMM组合分类器的谎言识别方法》2019.02.20
- 《表2 不同分类器的识别效果》2019.03.30
- 《表5 Bayes分类器的预测模型识别结果》2018.12.20
- 《表5 Bayes分类器的预测模型识别结果》2018.12.20
- 《表3 分类器的识别准确率》2018.12.01