《表3 测试集分类准确率(%)分析》
进一步分析GAPSO-SVM的性能,将该模型与未进行优化的SVM、增量型极限学习机(Increased Extreme Learning Machine,I-ELM)以及BP (BackPropagation)神经网络算法的处理结果对比分析。为了避免偶然误差造成的影响,分别将各个模型计算10次取平均值,计算结果见表3,采用BP算法和I-ELM算法模型的平均精度分别是79.70%和82.74%,且不同实验组别的结果波动也较大;采用GAPSO-SVM模型的准确率可达93.93%,高于采用未经过参数优化的SVM模型的结果,且每次计算结果较为稳定。因此,GAPSO-SVM模型在应用于埋地管道缺陷识别和等级划分。
图表编号 | XD00226777000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 郑林、张红星、句海洋 |
绘制单位 | 太原卫星发射中心、中电智能科技有限公司、华北计算机系统工程研究所、北京工业大学 |
更多格式 | 高清、无水印(增值服务) |