《表3 出行特征及其符号：基于半监督SVM的交通方式特征分析和识别》
提示：宽带有限、当前游客访问压缩模式
出行特征共包括距离、时间、速度、用户属性等四大类，17种具体特征如表3所示。
| 图表编号 | XD0097449300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.20 |
| 作者 | 冯雨庭、张锦、肖斌 |
| 绘制单位 | 西南交通大学交通运输与物流学院、西南交通大学交通运输与物流学院、西南交通大学交通运输与物流学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 样本特征频率集：基于主成分分析与SVM的碳纤维复合材料损伤声发射信号模式识别》2020.07.30
- 《符号说明：基于GPS数据的交通出行模式及转换点识别算法》2021.02.01
- 《表3 基于图的半监督特征选择方法》2021.02.05
- 《表2 投资成本分析对比：软多标签和深度特征融合的无监督行人重识别》2020.12.15
- 《表3 性能测试：软多标签和深度特征融合的无监督行人重识别》2020.12.15
- 《表1 符号定义：基于网约车数据的城市区域出行时空特征识别与预测研究》2020.06.01
- 《表3 乘客出行特征提取：基于公共交通智能卡数据的可视化分析》2020.06.01
- 《表2 数据集的特征：基于闭包准则和成对约束的半监督聚类算法》2020.03.01
- 《表3 基于纹理特征的PLS-DA和RBF-SVM判别分析模型判别结果》2020.03.15
- 《表1 测试结果：一种基于SVM算法的波形特征识别算法》2019.12.01
- 《表7 临时停车位需求表：基于出行行为特征的小学高峰时段交通预测分析》2019.11.01
- 《表4 各算法结果比较：基于半监督SVM的交通方式特征分析和识别》2019.09.20
- 《表2 数据集的特征：基于功效散度和成对约束的半监督聚类算法》2019.07.01
- 《表1 符号及其含义：特征选择与Logistic回归相结合的担保圈风险识别方法》2019.08.01
- 《表2 性能指标比较：分支定界半监督SVM在油层识别中的应用》2019.08.01
- 《表3 识别结果：分支定界半监督SVM在油层识别中的应用》2019.08.01
- 《表1 符号及其含义：基于节点度中心性的无监督特征选择》2019.03.01
- 《表1 试验数据集描述：一种基于Laplacian的半监督特征选择模型》2019.02.01
- 《表2 实验结果：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25
- 《表1 实验参数设置：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25