《表2 试验一测试结果：基于动态响应的钢轨波磨状态智能检测》

  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

《基于动态响应的钢轨波磨状态智能检测》

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

将上述12个特征作为输入，随机取样80%的样本进行XGBoost算法模型的训练，余下20%的样本进行智能检测精度的测试。如图8所示，12个特征中，峭度系数SKF和裕度因子SCLF对于算法模型的贡献率相对较大。测试结果，如表2所示，4类波深标签的样本准确率的均值为95.75%，召回率的均值为96.5%。当准确率高，而召回率低，说明算法延展性较差，引入平衡F分数的概念调和准确率以及召回率，试验一XGBoost算法模型平均平衡F分数为0.9575。