《表1 4种监督学习算法优缺点》
考虑到图像的特征与对应标签之间的映射关系可能不是线性关系,因此这里选择了以下4种解决非线性问题能力较好的学习算法[25-27](同时其具有处理线性问题的能力):1)k近邻(k-nearest neighbor,k NN);2)决策树(decision tree,DT);3)支持向量分类(support vector classifier,SVC);4)梯度提升决策树(gradient boosting decision tree,GBDT)。分别以图像的RGB-GLHs、GLHs、HOGs作为特征进行学习训练,得到智能识别放电状态的模型。表1比较了4种模型各自的优缺点。
图表编号 | XD00195002100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.28 |
作者 | 袁哲、叶齐政、王玉伟、郭子清 |
绘制单位 | 华中科技大学强电磁工程与新技术国家重点实验室、华中科技大学强电磁工程与新技术国家重点实验室、华中科技大学强电磁工程与新技术国家重点实验室、华中科技大学强电磁工程与新技术国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |