《表2 SVM在不同参数下分类准确度对比》

  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

在选用GAPSO优化多分类支持向量机的参数之前，首先通过人工随机选取的权重因子η、惩罚参数c及核函数σ1和σ2的方式构建多分类SVM模型，其中权重因子η取值范围为[0，1]，惩罚参数c取值区间为[1，100]，核函数σ1和σ2取值分别为[0.5，100]和[0.1，2]。通过表2统计试验结果，可以看出分类识别率最高达到了92.36%，最低为72.49%。通过分析得出，随机选取的SVM参数难以得到稳定且准确度较高的分类识别率，受人为主观影响因素较大。