《表4 集成分类器测试分类结果》
提示：宽带有限、当前游客访问压缩模式
采用本文方法对不同状态电机提取特征向量，选取一部分数据训练集成分类器，形成负载波动下感应电动机转子断条故障诊断模型，剩下的数据作为测试数据集。测试结果如表4所示。
| 图表编号 | XD0078243100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.28 |
| 作者 | 吴文军、张晋瑞、尚仪 |
| 绘制单位 | 国网四川省电力公司天府新区供电公司、东北师范大学、国网四川省电力公司天府新区供电公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 集成分类器分类效果》2020.10.18
- 《表1 特征优选结果：一种集成多分类器的面向地理对象遥感影像变化回溯分析方法》2020.10.01
- 《表7 各分类器实验结果：基于集成学习投票算法的Android恶意应用检测》2020.11.15
- 《表2 测试结果：基于知识图谱和贝叶斯分类器的图书分类》2020.06.16
- 《表4 平均测试时间：自适应概念漂移问题的增量集成分类算法》2020.07.01
- 《表6 个体学习器和集成学习模型的分类正确情况》2020.04.01
- 《表4 利用多层感知器进行大豆产地分类的训练子集、测试子集、保持子集结果》2020.07.28
- 《表2 弱分类器及集成分类器性能指标》2020.05.01
- 《表1 实验数据集信息：基于异构分类器集成的增量学习算法》2020.04.01
- 《表4 不同分类器对测试集的分类性能》2020.02.01
- 《表4 测试组T2WI-FS序列三个分类器的ROC曲线分析结果》2020.03.20
- 《表3 跨被试方法：基于脑电信号与集成分类器的心理负荷评估》2019.11.15
- 《表5 算法对比：基于脑电信号与集成分类器的心理负荷评估》2019.11.15
- 《表4 训练时间：基于脑电信号与集成分类器的心理负荷评估》2019.11.15
- 《表4 基分类器详细参数：基于卷积神经网络和集成学习的阿尔茨海默症早期诊断》2019.10.25
- 《表1 各分类器性能比较：集成学习在糖尿病预测中的应用》2019.09.01
- 《表4 主成分分析结果：基于集成分类器的新疆哈萨克族早期食管癌X线图像的分型研究》2019.07.31
- 《表3 模糊积分集成分类器与其他集成分类器的精度Tab.3 Accuracies of fuzzy integral ensemble classifier and other ensemble classifiers》2019.01.30
- 《表4 基分类器训练和测试结果》2019.01.15
- 《表3 不同分类器测试结果》2018.07.20