《表2 测试结果：基于随机森林的统计控制图模式识别研究》

  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

《基于随机森林的统计控制图模式识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了便于比较，仿真验证过程参考文献[19]，设置均值D=80，标准差σ=5，训练样本和测试样本分别为100×8个，即共8种控制图模式，每种类别中包含100个训练样本和100个测试样本，共测试10次。分类器选择支持向量机（SVM）、人工神经网络（ANN）、决策树（CART）和随机森林（RF）。特征选择上文所述5种组合方案。统计4种分类器在5种不同特征组合方案下得到的分类准确率和耗费CPU时间.其中支持向量机采用网格法参数寻优；人工神经网络采用误差反向传播算法；决策树采用基尼指数选择最优特征，采用交叉验证误差确定最小叶片尺寸；随机森林中ntree=20，其他参数默认。测试结果如表2和图4所示。