《表4 3种负载准确率对比》

  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

《成长鸡群优化RBF神经网络的亚健康诊断模型》

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

为了验证GCSO-RBFNN模型的性能，处理后负载为1、2、3的轴承数据各1000条，分别对GCSO-RBFNN模型和原始RBF神经网络模型进行性能测试，传统RBF神经网络模型利用无监督学习的K均值聚类确定中心，算法迭代次数参数设置为300，种群规模设置为1000，继承公鸡特性权重设置为0.9，成长系数设置为0.7，选取80%的轴承数据作为训练集，用剩余20%的轴承数据作为测试集，用相同的训练集与测试集数据对两种模型进行训练，重复10次求平均分类准确率，准确率对比如表4所示．