《表4 故障分类评价指标：混沌量子粒子群的权重类条件贝叶斯网络分类器参数学习》

  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

《混沌量子粒子群的权重类条件贝叶斯网络分类器参数学习》

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

表4给出了本次故障分类的评价指标。表4中的TP Rate表示被模型预测为正的正样本率，FP Rate表示被模型预测为正的负样本率，Precision为查准率，Recall为查全率，F-Measure为Precision和Recall的加权调和平均，其值越接近1，则表明诊断方法越有效。从分类结果和表中各项指标可以看出，TANω模型对于故障分类问题的分类精度较高，且误分类率很低，在查全率和查准率上也有较好表现。改进的分类器在对氧主文氏管后泄露这一类故障进行分类时，分类准确率高达96.7%。对发生器氢副控阀泄露这一故障的分类准确率稍低，但也达到了91.1%。另外，各种故障类型的F-Measure指标均可达到90%以上，表明本文模型对分类问题处理的有效性。