首页|基于随机森林分类的端子缺陷检测研究

基于随机森林分类的端子缺陷检测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统端子缺陷检测方法太过落后的问题,提出将随机森林模型应用于端子缺陷检测方面:首先将原始电压数据进行预处理,消除原始数据集中高频噪声和抖动,从而获得初始数据集;通过决策树算法建立单个基模型,再经由多个基模型的多数投票准则最终得到随机森林模型;最后再将模型预测效果与其它机器学习模型在同等数据集的基础上进行比对实验.随机森林模型在端子缺陷检测中准确率为94％,查准率达到了95％,实验结果也表明该模型相比其它分类算法有更好的性能表现,且其预测效果也较为稳定,是更为优越的端子缺陷检测算法.
Research on Terminal Defect Detection Based on Random Forest Classification

陈晨、张捍东、吴玉秀

展开 >

安徽工业大学 电气与信息工程学院,安徽 马鞍山 243002

端子 决策树 随机森林 机器学习

安徽省自然科学基金

1608085QF155

2021

蚌埠学院学报
蚌埠学院

蚌埠学院学报

影响因子：0.231
ISSN：2095-297X
年,卷(期)：2021.10(2)
  • 2
  • 7