《表3 各算法的识别结果：源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》

  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

《源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》

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

为具体说明本文方法在不同工况下较SVM、KNN的识别优势，分析各算法在训练样本数为60(3种寿命状态各20），测试样本数为30(3种寿命状态各10），源域多样本数为1000下3种寿命状态识别结果，如表3所示。由表3可知，经过一致性投票集成后，SVM在磨合期和工作期识别错误，KNN在工作期识别完全错误（识别率为0），导致3种寿命状态无法有效识别。本文方法对工作期的识别率为70%，因此可有效识别不同工况下的3种寿命状态。