《表4 分类算法的结果：基于动力学仿真数据的高速列车蛇行状态识别》

  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

《基于动力学仿真数据的高速列车蛇行状态识别》

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

表4为常见的机器学习和深度学习方法的分类结果。结果表明，无论是机器学习模型还是深度学习模型，均能通过仿真数据进行训练，再来识别和分类真实数据中的蛇行失稳状态，并得到了较好的结果。这说明了基于高速列车的仿真模型获得的数据能够用于深度学习模型的训练，从而解决实测数据中蛇行失稳样本少，且难以采集的问题，从而能够通过有限的实际数据建立更为复杂的深度学习模型。