《表2 LFDA方法与KEDA方法识别结果对比》

  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

《复杂机电系统核熵判别分析的异常分类方法》

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

这里对比了KPCA-LFDA融合方法与KEDA方法的识别结果，正确率对比结果，如表2所示。可以看出，对于TE过程典型故障模式，KEDA方法识别率均优于KPCA-LFDA融合方法。这是因为KEDA方法在降维过程中保留了更多的有用信息，可以更好地描述故障样本特征，提高故障模式识别率。