《表3 采用不同特征的RBF识别结果》

  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

《一种新的复杂网络建模和特征提取方法及应用》

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

为了更加客观地比较识别结果，从每类故障数据集中随机选取10组作为训练样本，利用RBF神经网络作为分类器识别剩余的10组样本。上文提到的时域特征参数和本研究特征各自独立运行，表3中的识别结果为各算法在Matlab中独立运行10次后的准确率的平均值与方差。从识别结果来看，本研究特征识别正确率均值高、方差小，说明本研究特征不仅类别可分性好，而且比较稳定，对同一数据集的不同训练数据，识别准确率不会产生较大波动。