《表3 模型对比：基于深度卷积神经网络模型和XGBoost算法的齿轮箱故障诊断研究》

  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

《基于深度卷积神经网络模型和XGBoost算法的齿轮箱故障诊断研究》

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

图13为深度卷积神经网络模型对大小为120×1 025的测试矩阵预测所得运行状态与实际运行状态的混淆矩阵，横轴为预测的状态，纵轴为真实的状态。从混淆矩阵可以看到，部分代表0状态的特征被识别为1状态和4状态，而部分代表3状态的特征被识别为2状态和5状态，4状态和5状态也有误判。