《表2 本文方法与传统方法的对比Tab.2 Comparison of the method in this paper with the traditional method》
AlexNet的训练结束后,进行了每种扰动100组、共计1 700组测试样本的测试,测试结果如表1所示。本文将传统方法的一种和本文提出的方法进行对比,如表2所示。计算时间为算法处理所有的样本时间除以样本数。由表2可以看出,S变换(ST)与支持向量机(SVM)的算法处理时间主要由信号分析时间组成,而本文提出的方法主要由识别与分类时间组成。ST+SVM所用时间是AlexNet时间的143倍,而ST+SVM的识别与分类的正确率仅比AlexNet高0.57%,说明此算法具有优越的实时性以及较好的有效性。
图表编号 | XD0032963000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张立鹏、郑岩、秦刚、董继、孙伟 |
绘制单位 | 国网冀北电力有限公司廊坊供电公司、国网冀北电力有限公司廊坊供电公司、华北电力大学新能源电力系统国家重点实验室、华北电力大学新能源电力系统国家重点实验室、国网河北省电力公司保定市供电公司 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 本文方法与传统方法的对比Tab.2 Comparison of the method in this paper with the traditional method”的人还看了
- 表2 与常规神经网络对比结果Tab.2 The result of comparison between the method in this paper and conventional methods