《表2 不同算法识别率比对表Tab.2 Comparison of recognition on different algorithms》
在4.2.1参数的基础上,CNN模型和M_CNN模型对训练样本和测试样本的识别率如表2所示,其中,识别率均取自对网络训练至收敛时的结果。除此,为了验证M_CNN模型在识别小样本时的有效性,本实验将M_CNN模型与文献[12]的CConv Net模型、文献[13]的3_CNN模型和文献[14]的DCNN模型进行对比。对于3_CNN和DCNN,分别与文中的M_CNN模型相结合,在第一层中,采取3_CNN、DCNN模型的结构,不满足置信度判决条件的样本用于进行下一层网络的训练,形成多层卷积神经网络结构。其中,识别率包括对训练集和测试集的识别率,以及对训练集和测试集中异常样本的识别率。
图表编号 | XD0014202400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.10 |
作者 | 孟格格、高强 |
绘制单位 | 华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |