论文中常见的混淆矩阵和T-SNE聚类图

北漂炼丹青年

已于 2023-03-19 11:06:46 修改

阅读量2k

点赞数 21

分类专栏：西储大学故障诊断文章标签：聚类深度学习

于 2022-10-25 19:01:45 首次发布

本文链接：https://blog.csdn.net/weixin_50642818/article/details/127519352

版权

西储大学故障诊断专栏收录该内容

22 篇文章 144 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

论文中要经常用到一些可视化的图，混淆矩阵和T-SNE比较常见，具体原理就不多说了，首先是模型代码，选个比较基础的，一共17层：

def CNN_1D():
    inputs1 = Input(shape=(2048, 1))
    conv1 = Conv1D(filters=16, kernel_size=6, strides=2)(inputs1)
    BN1 = BatchNormalization()(conv1)
    act1 = Activation('relu')(BN1)
    pool1 = MaxPooling1D(pool_size=2, strides=2)(act1)
    conv4 = Conv1D(filters=24, kernel_size=3, padding='same')(pool1)
    BN2 = BatchNormalization()(conv4)
    act2 = Activation('relu')(BN2)
    pool2 = MaxPooling1D(pool_size=2, strides=2)(act2)
    conv6 = Conv1D(filters=36, kernel_size=3, padding='same',
                   activation='relu')(pool2)
    BN3 = BatchNormalization()(conv6)
    act3 = Activation('relu')(BN3)
    pool3 = MaxPooling1D(pool_size=2, strides=2)(act3)
    fl

了解本专栏