《表4 随机测试验证结果Table 4 Verification result of random tests》

  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BP神经网络和证据理论的超声检测缺陷识别》

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

由表3可知，融合后的基本概率分布函数相比融合前具有更好的辨识性，对于凹槽缺陷的识别可信度明显增加，缺陷分类识别能力有所提高。结合式（10）~式（14）可以判断所检测样本的缺陷类型为凹槽。本文总共做了10组随机测试，即每次随机抽取100组数据建立模型，利用剩余100组数据进行模型验证，实验结果如表4所示。