《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》
(%)
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。
图表编号 | XD0080946800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 包俊、叶波、王晓东、尹武良、徐寒扬 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、曼彻斯特大学电气与电子工程学院、曼彻斯特大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |