《表7 通信基站空调故障数据集上的实验结果》
针对通信基站空调故障数据集,SLF-CIB算法各故障模式的ASLS参数设置如表6所示.故障模式2、4、7为少数类(ASLS参数(γ+,δ+)设置较高),其余故障模式均可视为多数类.将SLF-CIB算法与SMOTE决策树算法进行比较,输出的偏序序列的第一个分量参与评价指标计算,实验采用五折交叉验证法,针对少数类正确率和多数类错误率进行分析,对比结果见表7.表7中的“过采样参数”为SMOTE方法在近邻中随机选择的样本数,即过采样倍频.基于SMOTE的采样方法随着过采样参数的增高,在高维的数据集上不仅会产生交叉型的样本还会生成不准确的样本,从而影响故障诊断性能.而SLF-CIB通过非对称的阶式损失函数调整了样本的分布来提高故障诊断性能,在不平衡数据集的处理取得了更好的分类效果.
图表编号 | XD0096860500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 罗方芳、郭文忠、刘耿耿、陈国龙 |
绘制单位 | 福州大学数学与计算机科学学院、集美大学计算机工程学院、福州大学数学与计算机科学学院、福州大学空间数据挖掘与信息共享教育部重点实验室、福州大学数学与计算机科学学院、福州大学数学与计算机科学学院 |
更多格式 | 高清、无水印(增值服务) |