《表3 基分类器权重Tab.3 Weights of basic classifier》
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
《优选小波包和AdaBoost-SVM的柔性直流输电变流器故障诊断》
将上述随机选取的220组作为AdaBoost-SVM模型的训练样本,剩余的220组作为测试样本,利用鸟群算法迭代寻优确定最佳参数C和σ,得出最优惩罚系数C=73.549 9和σ=1.310 2。初始训练样本权值D0(t)=0.004 5,通过10次迭代,每次迭代的训练样本权重如表2所示。基分类器的权重受训练样本分类误差的影响,基分类器权重大,说明该基分类器的训练精度高,故障识别率高,且在强分类器中占主导地位,反之该分类器的训练精度差,故障识别率低,则在强分器中的地位就低,基分类器权重如表3所示。基于优选小波包分解和鸟群算法优化的AdaBoost-SVM算法的故障诊断分类如图5所示,一共220个测试样本的预测分类结果与实际输出结果的标记在图中完全重合,即故障识别率达到了100%。
图表编号 | XD0030191700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 郑小霞、彭鹏 |
绘制单位 | 上海电力学院自动化工程学院、上海电力学院自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 基分类器权重Tab.3 Weights of basic classifier”的人还看了
- 表3二级评价指标的权重及动态模糊评价结果Tab.3 Weights of the second level evaluation index and results of dynamic fuzzy evaluation
- 表3 模糊积分集成分类器与其他集成分类器的精度Tab.3 Accuracies of fuzzy integral ensemble classifier and other ensemble classifiers
- 表2 特征选择后不同分类器的分类性能比较Tab.2 Comparison of classification performance of different classifiers after feature selection