《表3 经深度迁移学习后的入侵事件识别结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度迁移学习的复杂环境下油气管道周界入侵事件识别》
由统计结果可以看出,当训练集与测试集数据为同一环境时,基于堆叠稀疏自编码的识别方法表现出较优秀的效果,识别准确率分别为95%、90%、93%;但是当训练集与测试集工况不同时,入侵事件识别效果降低明显,识别效果只有70%左右,这表明:1)基于堆叠自编码的入侵事件识别是可行的;2)不同环境导致管道入侵事件振动信号存在较大差异。因此引入本文的深度迁移学习识别方法进行处理,表3所示为经深度迁移学习方法实现的管道周界入侵事件识别统计结果。
图表编号 | XD00113322700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 温江涛、王涛、孙洁娣、付磊、李刚、杨文明 |
绘制单位 | 燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、燕山大学河北省信息传输与信号处理重点实验室、燕山大学河北省测试计量技术及仪器重点实验室、中国石油天然气管道通信电力工程有限公司、油气管道输送安全监测与检测国家工程实验室、中国石油天然气管道通信电力工程有限公司、油气管道输送安全监测与检测国家工程实验室 |
更多格式 | 高清、无水印(增值服务) |