《表4 每类样本数量为80的实验结果(%)》

  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

《基于多源异构信息迁移学习的融合故障诊断方法》

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

当每类有80个样本时，结果如表4所示。只使用一维信号的故障诊断模型平均故障诊断精度为80.88%，只使用二维图像的故障诊断模型平均故障诊断精度为90.87%，将一维信号特征与二维图像特征融合后进行故障诊断，该模型的平均故障诊断精度为83.38%，本文方法结果为99.50%。将表4跟表3进行对比，发现当每类样本数量减少到80个，DNN、CNN和FS-DNN这3种方法的故障诊断精度分别下降了12.25%、5.63%和15.25%，而本文方法仅下降0.25%。FS-DNN是一维信号特征与二维图像特征融合后进行故障诊断，当每类样本数为80时，诊断精度比仅用二维图像的故障诊断模型低。原因可能是样本量较少，CNN模型不能抽取出图像的本质特征，所以跟一维信号特征融合之后反而降低了故障诊断的精度。