《表2 不同分类模型分类结果》
为了评估所提的FL-BiGRU模型性能,长短时记忆神经网络(Long Short Term Memory,LSTM)用于对比试验,精度、召回率以及精度和召回率的调和平均数F1分数作为评判标准,同时,为了验证焦点损失函数对少样本类别的修正效果,“人因”样本分类的准确性同样作为评判标准。具体结果见表2。在表2中可以看出,本文提出的FL-BiGRU分类模型在精度,召回率,F1分数的表现性能均优于其他5种模型,且通过比较对少样本类别“人因”的分类准确度,表明与焦点损失相结合的模型在处理少样本类别方面表现更好,验证了FL-BiGRU分类模型对事故致因分类的有效性。
图表编号 | XD0081923500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 樊梦琳、郑伟##教授 |
绘制单位 | 北京交通大学国家轨道交通安全评估研究中心、北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室、北京交通大学国家轨道交通安全评估研究中心、北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |