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：现代电子技术, 2021, 44(01): 101-106.

DOI：10.16652/j.issn.1004-373x.2021.01.022

• 钢板缺陷分类
• 机器学习
• CART
• RF
• MLPNN
• CNN

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。

• 单位
  西安财经大学; 西北工业大学