《表2 降维后的特征描述：一种基于深度学习的医学图像特征提取方法》
提示：宽带有限、当前游客访问压缩模式
设池化核的大小为2×2的矩阵，步长为1，conv6、conv9和conv12进行最大池化后的特征描述如表2所示。
| 图表编号 | XD0095216000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.01 |
| 作者 | 张烁、张荣 |
| 绘制单位 | 山西青年职业学院计算机系、山西医科大学计算机教学部 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 降维后的数据样本：基于KPCA-APSO-LSSVM的充填管道磨损风险预测》2021.03.25
- 《表4 降维后的数据样本：基于KPCA-APSO-LSSVM的充填管道磨损风险预测》2021.03.25
- 《表2 降维后的企业特征向量》2020.11.28
- 《表2 conv13特征、fc2特征和conv13+fc2特征上未降维和降维后的分类正确率》2021.01.16
- 《表2 训练组中联合序列所有特征降维后得到诊断价值较大的特征及权重》2020.11.25
- 《表2 降维后的实验数据集》2021.01.01
- 《表1 冗余特征约简对比：一种基于深度学习的网络异常行为检测方法》2020.08.01
- 《表2 医学图像分类识别：基于深度学习的生物医学数据分析进展》2020.04.25
- 《表1 医学图像分割：基于深度学习的生物医学数据分析进展》2020.04.25
- 《表4 各故障样本降维后的新特征向量》2020.08.01
- 《表3 单独特征分类结果：一种基于特征融合的车辆图像分类方法》2020.05.01
- 《表1：两种方法降维后的聚类结果对比》2020.03.01
- 《表1 分类器参数设置表：一种基于深度强化学习的电网潮流特征提取方法》2020.03.25
- 《表1 参数设置：基于深度学习的PRPD数据特征提取方法》2020.02.10
- 《表1 提取特征描述：一种基于深度学习的医学图像特征提取方法》2019.09.01
- 《表2 KPCA方法降维后的部分样本数据》2019.03.01
- 《表1 样本划分方案：基于深度学习的激光遥感图像特征识别》2019.02.25
- 《表2 处理精度对比：基于深度学习的远程激光图像特征动态跟踪》2019.02.25
- 《表1 特征降维后的特征集》2018.01.20
- 《表1 实验环境：一种基于深度学习的图像超分辨率重构方法》2019.11.01