《表2 不同算法在大规模数据集中的准确率》

  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

《基于深度流形表示学习的工业过程多故障识别方法》

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

图4，图5和图6展示了测试集上三种方法的故障识别结果。在每个图中，纵轴表示故障的类型，其中0表示正常状态，1，2，3和4分别表示故障2%，4%，5%和6%。从图中可以看出，所提出的SDAE-DNN方法基本上准确地对每个状态进行了分类，而PCA-SVM和SVM都具有错误分类结果。例如，SVM方法将几乎所有故障1样本识别为故障2，PCA-SVM将故障1的一些样本识别为故障2。而只有所提SDAE-DNN方法给出了非常准确的识别结果。表2给出了三种方法的识别准确性。同样，SDAE-DNN在测试集上的准确度达到了99%，优于其他两种方法。