《表1 测试集数据识别率Tab.1 Identification accuracy of test sets》
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
《基于连续小波变换和卷积神经网络的尾水管涡带状态识别》
在前10次迭代过程中,训练集状态识别的识别率稳定上升,且速度较快;而测试集识别识别率虽有较大波动,其总体仍保持上升趋势;迭代到10次以后,识别率上升趋势减缓,在15次后基本稳定,训练集样本识别率接近100%,测试集样本识别率稳定在97%左右。卷积神经网络对不同类别的测试集样本状态均能实现优良的识别效果,各类测试集样本的状态识别率见表1,整体测试集的识别率达到了97.47%,其中对严重涡带的识别率高达100%。
图表编号 | XD0019552200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.25 |
作者 | 洪礼聪、王卫玉、陈启卷 |
绘制单位 | 水力机械过渡过程教育部重点实验室(武汉大学)、水力机械过渡过程教育部重点实验室(武汉大学)、水力机械过渡过程教育部重点实验室(武汉大学) |
更多格式 | 高清、无水印(增值服务) |