《表4 3种负载准确率对比》
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.
图表编号 | XD00175956600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 郭炜儒、邱存月、张大波、王彦捷、张利 |
绘制单位 | 辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院、辽宁大学信息学院 |
更多格式 | 高清、无水印(增值服务) |