《表2 不同模型性能对比表》
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
《主成分分析和最小二乘支持向量机模型在铁水硫和硅含量预测中的应用》
通过采用结合主成分分析和LS-SVM的方法(PCA+LS-SVM)对铁水中的S含量和Si含量进行预测,根据实验结果得出该方法具有很强的学习能力,预测精度较高,耗时较短。为了评价此模型的优劣,以传统最小二乘支持向量机(LS-SVM)以及主成分分析结合BP神经网络的方法(PCA+BP神经网络)为参比,主要从模型的均方根误差和仿真时间两个方面进行对比,结果如表2所示。
图表编号 | XD00141630800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 赵宁、王玉英、杨凡、杨卫轩 |
绘制单位 | 西安建筑科技大学理学院、西安建筑科技大学理学院、西安建筑科技大学理学院、西安建筑科技大学理学院 |
更多格式 | 高清、无水印(增值服务) |