《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》

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

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.