《表5 常见的机器学习算法准确率比较》
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
《基于随机森林算法的断路器分合闸线圈故障电流曲线识别》
为了进一步的测试随机森林算法的效果,使用MATLAB的statistics and machine learning toolbox软件包中常见的算法,朴素贝叶斯算法、决策树、K近邻、支持向量机算法进行测试。这4个算法在MATLAB工具包中对应建模函数分别为naivebays、classregtree、fitcknn、fitcsvm。训练集由上述300条波形组成(正常电流曲线100条、电压异常电流波形70条、铁心间隙异常电流波形60条、铁心卡涩故障电流曲线70条),测试集由上述63条波形组成(17条正常的电流波形曲线、15条电源电压异常电流曲线、15条铁心间隙异常情况下电流曲线、16条铁心卡涩情况下电流曲线)。测试结果见表5。随机森林算法高于朴素贝叶斯、决策树、K近邻算法,略低于支持向量机算法。支持向量机算法一般在生成模型时需要对惩罚因子C和高斯核函数参数σ进行参数寻优,但是随机森林算法不需要复杂的调参过程,其优点是简单实用而且准确率较高。
图表编号 | XD0062719300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 刘芹、彭在兴、王颂、易林、陈曦、褚飞航、骆挺、梁梦婕、羿敏、刘定新 |
绘制单位 | 南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司、南方电网科学研究院有限责任公司、中国南方电网有限责任公司、西安交通大学电气工程学院、西安交通大学电气工程学院、西安交通大学电气工程学院、西安交通大学电气工程学院、西安交通大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |