为了说明高斯过程分类器的有效性及稳定性,本文针对不同数据样本分别进行30次实验,得出三种方法,即Laplace近似法、EP期望传播近似法和支持向量机分类器应用于i#^4#电厂和5#发电机的调整点分类精度统计表。这三种对比方法都是在相同的训练样本下,对相同的检测样本的实验结果,均是应用共辄梯度法优化高斯过程模型的超参数。分类精度统计的结果中可以看出,高斯过程分类器的分类的正确率与当前广受关注的支持向量机分类器相当,并且具有容易实现、灵活的非参数推断、参数自适应获取等优点,这些均是支持向量机分类器所不及的。实验结果表明,一般情况下,EP期望传播近似算法的性能要比Laplace近似算法更好,其中高斯过程分类器应用EP期望传播近似法的正确率比支持向量机高,稳定性要比支持向量机好,并且还能得到概率意义的输出。
手机:13852470271 电话:0516-85107999
邮件:mchh999@126.com