《表2 改进后的Alexnet网络的识别混淆矩阵》
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
《基于卷积神经网络的直流XLPE电缆局部放电模式识别技术》
改进后的Alexnet网络的识别混淆矩阵(confusion matrix)见表2,可以看出:爬电缺陷和气隙缺陷是CNN模式识别误差的主要来源,其中爬电缺陷的样本有10.78%被误识别为气隙缺陷,气隙缺陷样本有8.03%被误识别为爬电缺陷,是混淆矩阵中两个最大的误识别率,很大程度上降低了平均识别正确率。另外,尖端缺陷与气隙缺陷、划痕缺陷之间没有误识别率,这也符合图3中尖端缺陷的特征图谱与另外两者差异较大的分析。
图表编号 | XD00116306100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 朱煜峰、许永鹏、陈孝信、盛戈皞、江秀臣 |
绘制单位 | 上海交通大学电气工程系、上海交通大学电气工程系、国网浙江省电力有限公司电力科学研究院、上海交通大学电气工程系、上海交通大学电气工程系 |
更多格式 | 高清、无水印(增值服务) |