《表2 粗调最大准确率表：基于特征工程和KELM的化工过程故障检测与识别》

  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

《基于特征工程和KELM的化工过程故障检测与识别》

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

在对得到的ICA样本直接进行分类处理时，样本的测试精度最高为77.79%。此时正则化系数的最优值C=1，α=0.453。这是由于样本的变量顺序排布较乱且包含冗余，对神经网络的干扰性较大。采用互信息算法重新对变量进行选择后，再次进行分类。网络性能主要取决于正则化系数C与核参数α。C是用来权衡模型复杂度与模型正确率之间的参数，当C相对较大时，模型更为复杂，可以减少分类错误但容易产生过拟合。当C较小时，模型简单，训练效果容易变差。α则是衡量单个样本对分类准确度的影响，当其值较小时影响也较小。对不同的情况，网络结构参数是不一样的，对该仿真数据它们合适的取值在10-3～103。为了得到良好的训练精度，首先采用固定其中一个参数调整另一个的方式进行调整，以便大致确定最优区间。当最优区间确定后，采用遗传算法对区间进行优化得到最优参数。针对本文选取的样本，在适合的取值范围内进行调优。为了方便设置迭代步长，将调试区间划分成[10-3，1]、[1，100]和[100，103]3个层次。将每个区间均分成百份进行粗调。在此给出每一范围内最大准确率数据表，见表2。