《表6 锁闭阶段3类算法的比较》
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
《基于改进支持向量域描述的道岔转辙机运行状态异常检测》
从实验结果可以看出,KNN算法对正样本能准确识别,但容易将异常样本判断为正常样本,这对于铁路设备安全是不能容忍的。SVDD算法能够完全识别出异常样本,但是由于本身算法的局限性,容易对正常样本判断为异常,虚警率较高。从ROC曲线看改进算法的性能明显好于原算法,且能完全识别异常样本,而且需要的训练样本数也少于SVDD算法,虚警率分别只有8.3%,6.2%和4.4%,能满足铁路维护的需求。
图表编号 | XD0077082200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 王君臣、徐田华、陈聪 |
绘制单位 | 北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学轨道交通控制与安全国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |