不同机器学习模型对钢板缺陷分类的性能比较

• 作者: 刘莉琳 谭荣 高翔
• 来源期刊: 现代电子技术
• 关键词: 钢板缺陷分类 机器学习 CART RF MLPNN CNN
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 101-106
• 页数: 6页
• 分类号: TN911.1-34|TP181
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2021.01.022

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高翔		68	384	10.0	17.0
2	刘莉琳		1	0	0.0	0.0
3	谭荣		1	0	0.0	0.0