《表4 多标签分类模型与单标签分类模型所需样本量对比统计表》

  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LSTM-RNN的滚动轴承故障多标签分类方法》

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

ΔS=(So-Sm）/S。

多标签分类方法训练所需样本量Sm和单标签分类方法训练所需样本量So统计结果见表4。取9组数据中正确率差ΔR<20%的数据组，其多标签分类方法训练所需数据量比单标签分类方法训练所需数据量平均减少69.55%，说明当2种分类方法正确率接近的情况下，多标签分类方法训练速度更快，完成训练需要样本量更少。对比3种特征向量所需样本量，循环平稳度数据集所需训练样本量更多。