《表3 基于改进EWT-SVD提取奇异值特征的分类结果》

  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EWT＿Hankel＿SVD的矿山微震信号特征提取及分类方法》

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

经GA寻优得到的模型参数为:惩罚参数C=3.26，核函数参数γ=2.44，采用RBF核函数训练SVM网络。为了测试GA-SVM方法的优越性，选取了GA-SVM、SVM、LR、Bayes 4种机器学习法进行对比，LR、Bayes法的先验概率均为0.5，图11所示为本文改进的EWT的4种机器学习法的识别效果，表2所示为基于Hankel矩阵的最大奇异值和奇异熵的分类识别结果。表3所示为改进EWT-SVD提取奇异值特征的分类识别结果。