《表1 各种分类器下不同特征数运行时间》
提示：宽带有限、当前游客访问压缩模式
分别将基于MRMD、信息增益、相关系数的特征选择方案利用SMO、贝叶斯、随机树分类器，在选择8、20、30个特征的情况下运行时间如表1所示。
| 图表编号 | XD0096237300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 石凯 |
| 绘制单位 | 西南交通大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 遗传算法优化先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表2 先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表1 肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表7 不同方法在不同分类器下的平均序值》2020.02.01
- 《表5 不同方法在不同分类器下的AUC值》2020.02.01
- 《表5 第二组数据集上不同方法在不同分类器下的分类性能》2020.01.01
- 《表4 第一组数据集上不同方法在不同分类器下的分类性能》2020.01.01
- 《表1 不同基因数时PSO算法分类性能指标比较（每组基因数条件下运行10次）》2020.01.25
- 《表4 不同分类器下的美感自动分类结果》2019.12.01
- 《表2 不同训练比例和分类器下的签名分类结果》2019.10.01
- 《表3 不同特征（通道）及分类器下的实验结果》2019.11.01
- 《表6 不同分类器下的准确率》2019.08.10
- 《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1 特征点的检测数、匹配数、匹配率与运行时间》2019.10.01
- 《表2 SVM分类器下不同特征提取算法结果对比》2019.01.25
- 《表1 KNN分类器下不同特征提取算法结果对比》2019.01.25
- 《表1 各种算法分类精度及运行时间对比》2018.12.28
- 《表3 两种矩在不同分类器下的识别率》2018.05.01
- 《表1 不同仿真信噪比下各种方法的运行时间》2018.10.01
- 《表1 不同分类器下的分类精度和分类时间》2018.05.20