《表5 对比分析(45组测试样本)》

  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

《基于磨损监测保持切削加工表面质量稳定的实时控制研究》

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

为进一步分析通过GRNN模型建模和NP优化的优势，这里用径向基神经网络（Radial basis function，RBF）、支持向量机（Support vector machine，SVM）、高斯过程回归（Gaussian process regression，GPR）和回归模型（Regression model，RM）四种方法与GRNN进行对比。并采用启发式优化算法中常用的粒子群优化算法（Particle swarm optimization，PSO）、遗传算法（Genetic algorithm，GA）与此研究中采用的改进的NP方法进行对比。将同样的720组数据作为训练集，建立磨损监测模型和粗糙度预测模型，45组数据作为测试集，对模型性能进行评估，并计算各算法在测试集中的各项性能指标，结果展示于表5。