《表5 分类结果：基于SSDAE深度神经网络的钛板电涡流检测图像分类研究》

  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SSDAE深度神经网络的钛板电涡流检测图像分类研究》

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

（%）

进一步，进行分类准确率对比试验，以验证方法的分类能力。本文进行了3组分类实验:Ⅰ裂纹和孔洞的缺陷类型分类；Ⅱ裂纹缺陷程度分类；Ⅲ孔洞缺陷程度分类。其中，实验组Ⅱ、Ⅲ按照缺陷的大小与深度将缺陷程度分为9个级别，对应图7、表2中的缺陷编号。实验使用SDAE、SAE、BP神经网络、SVM与SSDAE进行对比实验。其中，SAE无降噪编码与稀疏性限制，SDAE没有加入稀疏性限制，其他参数与SSDAE相同；BP神经网络各层神经元数为800/400/200/100/9；SVM模型使用径向基核函数，误差惩罚因子为2.5。实验采用正确分类数与测试样本数的百分比作为分类准确率，实验结果如表5所示。