《表4 一级故障诊断准确率》
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Labeled-LDA的列控车载设备故障特征提取与诊断方法研究》
%
对比图12~图14可以看出,在诊断结果中,采用相同的特征表示向量时,PSO-SVM算法的效果优于其他两种算法。分别采用PSO-SVM、SVM和KNN三种算法进行故障分类的结果见表4。
图表编号 | XD0094882600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.15 |
作者 | 上官伟、袁亚辉、王剑、胡福威 |
绘制单位 | 北京交通大学电子信息工程学院、北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |