《表1 不同特征向量不同分类器识别准确性》
提示：宽带有限、当前游客访问压缩模式
%
采用以上3种特征提取方法分别采用SVM和KNN两种分类器进行十折交叉验证，计算不同特征向量与不同分类器相结合得出的平均识别准确率如表1所示。
| 图表编号 | XD0096693100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 刘立芳、杨海霞、齐小刚 |
| 绘制单位 | 西安电子科技大学计算机科学与技术学院、西安电子科技大学计算机科学与技术学院、西安电子科技大学数学与统计学院 |
| 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9 不同的特征和分类器进行唐氏综合征检测的准确度》2020.10.01
- 《表3 特征优选后不同分类器的识别精度比较》2020.12.20
- 《表2 特征优选前不同分类器的识别精度比较》2020.12.20
- 《表2 不同分类器在不同单种特征上的分类准确率》2020.07.01
- 《表3 不同分类器在不同特征上的分类准确率》2020.07.01
- 《表1 不同分类器与不同词向量在两个诗词数据集上的准确率（%）》2020.01.15
- 《表5 不同特征选择方式下分类器准确率比较》2020.04.15
- 《表3 不同分类器的步态识别准确率比较》2019.12.01
- 《表5 特征向量训练适熟分类器的准确率与F1值》2019.12.25
- 《表4 特征向量训练成熟分类器的准确率与F1值》2019.12.25
- 《表2 不同支持向量机参数的混合分类器表现》2019.11.15
- 《表1 不同支持向量机个数的混合分类器表现》2019.11.15
- 《表1 不同gram长度及特征向量长度下的分类准确性》2019.11.26
- 《表1 多种特征选择方法在不同分类器上的准确率》2019.06.25
- 《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 其他分类器的识别准确率》2019.01.30
- 《表2 基于不同分类器的局部放电模式识别准确率》2019.01.01