《表2 测试样本刀具磨损量预测值及误差Table 2 Prediction results of proposed model》

  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

《基于改进人工蜂群算法和极限学习机的刀具磨损监测》

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

315组样本数据中随机选取15组作为测试集，剩余300组作为训练集，进行特征提取和筛选，输入监测特征向量和输出刀具磨损值之前分别对其进行归一化和反归一化处理。同时为了更好评价模型泛化性能以及优化隐含层节点数目[18]，采用10折交叉验证法对模型进行训练:将训练集随机均分为10份，轮流取其中1份作为验证集，其余9份用于训练模型，取10次验证误差的均值作为模型评价标准，确定最优隐含层节点数目。本次实验IABC-ELM模型参数最终设置如下:N=10，S=30，M=150，隐含层节点数为10。为避免每次仿真参数随机初始化的影响，记录运行10次的平均输出值为最终预测值，预测结果如表2所示。