《表4 故障诊断算法对比：基于多特征融合与XGBoost的风机轴承故障诊断》

  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

《基于多特征融合与XGBoost的风机轴承故障诊断》

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

表4为采用多特征融合时，使用SVM，KNN，ANN以及Adaboost等算法对轴承进行故障诊断的结果对比。XG-Boost算法与传统的分类器KNN，SVM相比，测试集诊断准确率可以提高0.28%～0.55%，比ANN高0.07%，而训练时间与ANN的124 s相比基本可以忽略不计。与Adaboost、GBDT算法相比，计算所消耗的时间有0.005～0.007 s的上升，但是诊断准确率提高了0.07%～0.42%。