《表2 试验一测试结果:基于动态响应的钢轨波磨状态智能检测》
将上述12个特征作为输入,随机取样80%的样本进行XGBoost算法模型的训练,余下20%的样本进行智能检测精度的测试。如图8所示,12个特征中,峭度系数SKF和裕度因子SCLF对于算法模型的贡献率相对较大。测试结果,如表2所示,4类波深标签的样本准确率的均值为95.75%,召回率的均值为96.5%。当准确率高,而召回率低,说明算法延展性较差,引入平衡F分数的概念调和准确率以及召回率,试验一XGBoost算法模型平均平衡F分数为0.9575。
图表编号 | XD0076762600 严禁用于非法目的 |
---|---|
绘制时间 | |
作者 | 何翔 |
绘制单位 | 中铁第四勘察设计院集团有限公司设备处 |
更多格式 | 高清、无水印(增值服务) |