《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》
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。
图表编号 | XD0097369600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 程铁栋、吴义文、罗小燕、戴聪聪、尹宝勇 |
绘制单位 | 江西理工大学、江西理工大学、江西理工大学、江西理工大学、江西理工大学 |
更多格式 | 高清、无水印(增值服务) |