不同机器学习模型对钢板缺陷分类的性能比较

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。

资料为PDF文档格式.

本文档关键词:钢板,缺陷,模型,机器,不同