發(fā)布時間：2023-05-06 04:12

　　引入機器學(xué)習(xí)中的決策樹、隨機森林、AdaBoost集成學(xué)習(xí)等方法,分別按照訓(xùn)練比例為10%～90%、變化率為10%的試驗方式,從識別準(zhǔn)確度、算法執(zhí)行時間、異常數(shù)等角度出發(fā),對比分析強震動數(shù)據(jù)抗干擾算法在不同樣本訓(xùn)練量、不同驗證數(shù)據(jù)量下的識別效果、執(zhí)行效率及算法穩(wěn)健性。實驗結(jié)果表明,AdaBoost集成學(xué)習(xí)的識別效果與穩(wěn)定性最好,但是算法效率較差,決策樹的算法穩(wěn)定性較差,但是效率較高。綜合算法性能來看,隨機森林的應(yīng)用前景較大,具有一定實用價值。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 關(guān)鍵技術(shù)
    1.1 機器學(xué)習(xí)方法
    1.2 決策樹、隨機森林、AdaBoost三者關(guān)系
    1.3 加速度數(shù)據(jù)振動特征提取
2 實驗與分析
    2.1 實驗方案
    2.2 實驗結(jié)果
3 結(jié) 論



本文編號：3809004