不同机器学习模型对钢板缺陷分类的性能比较

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.

关键词：钢板缺陷分类、机器学习、CART、RF、MLPNN、CNN

所属期刊栏目：44

分类号：TN911.1-34;TP181

资助基金：国家重点研发计划;陕西省科技计划项目

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：101-106