现代电子技术

2021, v.44;No.576(01) 101-106

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

不同机器学习模型对钢板缺陷分类的性能比较
Comparison on different machine learning models′ steel plate defect classification performance

刘莉琳;谭荣;高翔;

摘要(Abstract):

为了评估机器学习技术在钢板缺陷分类中的应用,该研究基于CART决策树、RF、MLPNN和CNN建立了4种不同的机器学习分类模型,对UCI机器学习库的钢板缺陷数据集进行分类,通过混淆矩阵、准确率等不同指标评估了4种模型对7种常见缺陷的分类性能。其中,CNN模型在训练集和测试集上的准确率分别达到了98.67%和97.41%,取得了卓越的分类性能。此外,RF模型相对CART模型可以更好地处理过拟合问题。实验结果表明,神经网络尤其是CNN模型对钢板缺陷分类问题具有更好的性能。

关键词(KeyWords): 钢板缺陷分类;机器学习;CART;RF;MLPNN;CNN

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划(2016YFB0700504);; 陕西省科技计划项目(2018GY-048)

作者(Author): 刘莉琳;谭荣;高翔;

Email:

DOI: 10.16652/j.issn.1004-373x.2021.01.022

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享