《表3 不同模式识别方法的平均准确率》
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CEEMDAN-深度信念网络的超低速滚动轴承故障诊断》
为了进一步验证本文所提方法的有效性,在训练集与测试集样本数相同的情况下,采用经典的模式识别方法(SVM与BP神经网络)对数据集A(EEMD能量熵)和数据集B(CEEMDAN能量熵)进行模式识别。其中,SVM选取径向基核函数,惩罚系数为0.0313,核参数为4;BP神经网络的结构为9-10-5,网络学习率设置为0.01,训练误差为0.001,最大迭代次数设置为1000次,激活函数使用S型函数。每组实验重复10次,不同方法的模式识别分类平均准确率和对应的标准偏差如表3所示。
图表编号 | XD0098691900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.20 |
作者 | 张鹏林、徐桃萍、马小东、杨天雨 |
绘制单位 | 兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |