《表2 在Omniglot数据集上的小样本分类精度》
提示：宽带有限、当前游客访问压缩模式
/%
实验结果如表2所示，可以看出，本文的效果较匹配网络[28]和原型网络[29]都有较大提升，在大部分任务上都有目前所知的最好效果。
| 图表编号 | XD0098406600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.16 |
| 作者 | 汪荣贵、郑岩、杨娟、薛丽霞 |
| 绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 ILN-SS VAT模型及混合方案在MNIST数据集上的分类精度》2020.08.25
- 《表4 各算法在Pavia University数据集上的分类精度及其他指标》2020.05.16
- 《表1 各算法在Indian Pines数据集上的分类精度标准差及其他指标》2020.05.16
- 《表6 各算法在Salinas数据集上的分类精度及其他指标》2020.05.16
- 《表1 本文模型在Omniglot数据集上的表现》2020.07.01
- 《表3 被选特征数为40时7种特征选择算法在6个数据集上的分类精度及标准差》2019.11.10
- 《表2 被选特征数为20时7种特征选择算法在6个数据集上的分类精度及标准差》2019.11.10
- 《表3 基分类模型在均衡数据集上的分类精度》2020.07.25
- 《表2 变异阈值取不同值时CS-ACFPA-MELM模型在10个数据集上的分类精度》2020.01.01
- 《表4 Mini-ImageNet数据集小样本分类精度对比实验》2019.11.01
- 《表3 Omniglot数据集小样本分类精度对比实验》2019.11.01
- 《表2 不同的分类器对不同特征提取算法在Pavia University数据集上的最高总体分类精度（OA±std)》2019.10.15
- 《表1 不同的分类器对不同特征提取算法在Indian Pines数据集上的最高总体分类精度(OA±std)》2019.10.15
- 《表3 各模型在数据集上的分类精度》2019.09.30
- 《表3 在mini Image Net上的小样本分类精度》2019.09.16
- 《表8 在Cifar100数据集上的小样本分类精度》2019.09.16
- 《表2 不同方法在CIFAR-10数据集上的分类精度》2019.08.01
- 《表4 不同方法在Indian Pines数据集上的分类精度》2019.05.10
- 《表2 R-C-APSO与对比算法在各数据集上的平均分类精度》2019.02.01
- 《表3 各分类方法在UC Merced land-use数据集上的分类精度》2019.12.05