《表3 测试集分类准确率（%）分析》

  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

《基于稀疏建模和SVM的管道缺陷分类方法研究》

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

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。