《表1 LSSVDR和HLSSVDR运行时间及预测误差Tab.1 The elapsed time and prediction error of LSSVDR and HLSSVDR》
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HLS-SVDR和SPPCS的CEEMD的滚动轴承微故障特征提取》
将同伦-最小二乘支持向量双回归与最小二乘支持向量双回归对振动信号CEEMD分解的包络均值m1(t)做实验对比。使用张量方法,将m1(t)数据序列重构为X′和X″。使用量子遗传(QGA)算法对最小支持向量双回归的惩罚参数C0,Cm及核参数σ及同伦-最小支持向量双回归的惩罚参数C0,λm及核参数h进行最优选择。实验结果如图11,12和表1所示。表1是对图11中的HLSSVDR算法和图12中LSSVDR算法在训练和测试精度、运行时间进行的对比分析。根据实验结果可知,基于HLSSVDR算法在预测精度及运算时间上都优于LSSVDR算法。
图表编号 | XD0046921400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 徐波、周凤星、马娅婕、严保康、黎会鹏 |
绘制单位 | 武汉科技大学信息科学与工程学院、黄冈师范学院电子信息学院、武汉科技大学信息科学与工程学院、武汉科技大学信息科学与工程学院、武汉科技大学信息科学与工程学院、武汉科技大学信息科学与工程学院、黄冈师范学院电子信息学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 LSSVDR和HLSSVDR运行时间及预测误差Tab.1 The elapsed time and prediction error of LSSVDR and HLSSVDR”的人还看了
- 表1 各年度学员首次完成个案及开题时间和成果统计Tab.1 Statistics of the first completed cases and the time and results of each year’s participan