《表3 各种KELM算法数据集测试结果》
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
《基于双模态卷积神经网络自适应迁移学习的浮选工况识别》
为进一步分析比较双隐层自编码极限学习机的优势,采用改进的量子狼群算法自适应选取最优的L、C和σ参数进行实验,三种数据集的测试结果如表3所示,本文的DAE-KELM需要消耗较多的训练时间,但是在测试精度上比其他算法具有明显的优势,对不同种类的数据集都具有较好的分类和泛化性能.说明双隐层自编码极限学习机具有更强的特征抽取能力,有利于提高分类精度.
图表编号 | XD00221408900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 廖一鹏、杨洁洁、王志刚、王卫星 |
绘制单位 | 福州大学物理与信息工程学院、福州大学物理与信息工程学院、福建金东矿业股份有限公司、福州大学物理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |