引入機(jī)器學(xué)習(xí)中的決策樹、隨機(jī)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(yàn)方式,從識(shí)別準(zhǔn)確度、算法執(zhí)行時(shí)間、異常數(shù)等角度出發(fā),對(duì)比分析強(qiáng)震動(dòng)數(shù)據(jù)抗干擾算法在不同樣本訓(xùn)練量、不同驗(yàn)證數(shù)據(jù)量下的識(shí)別效果、執(zhí)行效率及算法穩(wěn)健性。實(shí)驗(yàn)結(jié)果表明,AdaBoost集成學(xué)習(xí)的識(shí)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(jī)森林的應(yīng)用前景較大,具有一定實(shí)用價(jià)值。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 關(guān)鍵技術(shù)
    1.1 機(jī)器學(xué)習(xí)方法
    1.2 決策樹、隨機(jī)森林、AdaBoost三者關(guān)系
    1.3 加速度數(shù)據(jù)振動(dòng)特征提取
2 實(shí)驗(yàn)與分析
    2.1 實(shí)驗(yàn)方案
    2.2 實(shí)驗(yàn)結(jié)果
3 結(jié) 論



本文編號(hào)：3809004