《表6 三种算法10次测试的平均准确率》
从表5可以得出,随着网络深度的增加,在重构误差方面与数值模拟结论一致,在识别准确率方面呈现先升高后下降的趋势,其中深度为3时网络的识别准确率达到最高,而自动选层网络也是选择的3层AE堆叠,说明通过自动选层网络能够得到最适宜锚杆锚固缺陷识别的网络深度。将本文算法与小波分解结合RF、PCA结合SVM分别进行10次测试的锚杆锚固质量分类,10次测试平均准确率见表6。由表6可以看出,针对实验采集的数据的分类结果,本文算法的10次平均测试准确率仍然高于后两种算法的平均准确率,也说明了该算法在在锚杆锚固缺陷识别的适用性。
图表编号 | XD00179089300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.15 |
作者 | 王明明、王莎、邢卉、孙晓云、路霖 |
绘制单位 | 石家庄铁道大学电气与电子工程学院、石家庄铁道大学电气与电子工程学院、石家庄铁道大学电气与电子工程学院、石家庄铁道大学电气与电子工程学院、石家庄铁道大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |