《表2 不同方法对5种数据集的故障识别正确率》
不同方法对不同数据集的故障识别正确率对比如表2所示。由表2可知:本文MSAFCN方法在无需任何特征提取的情况下,数据集E的故障识别准确率明显优于文献[16-19]方法;与深度学习ConvNet方法相比,本文方法的故障识别正确率明显均优于ConvNet方法;与迁移学习预训方法[15]相比,本文方法在数据集C上的故障识别正确率比预训练方法低0.5%,在数据集D、E上的故障识别正确率为100%,比预训方法高0.04%和0.05%。
图表编号 | XD00124874200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 吴静然、丁恩杰、崔冉、刘建华 |
绘制单位 | 中国矿业大学徐海学院、中国矿业大学物联网(感知矿山)研究中心、中国矿业大学信息与控制工程学院、中国矿业大学徐海学院、中国矿业大学徐海学院 |
更多格式 | 高清、无水印(增值服务) |