轴承图片数据集分类效果测试

前面展示了很多将一维数据二维图片化的方法，但是具体效果如何还待定，今天我把简单测试的结果放出来供大家参考。一共有以下几种形式的数据集：

• 小波时频图CWT
• 格拉米角场GAFs，包含GADF和GASF两种
• 马尔可夫变迁场 MTF
• 递归图RP
• 短时傅里叶变换时频图STFT

还有一种灰度图我觉得价值不大，因为它本质上是把一维数据乘以255后转化为图片，读取以后再除以255转换为原始二维数据。这是何苦呢，大家都只有一个通道，直接读取不就行了，何必换来换去的折腾。

以上几种图我在之前的文章里都单独列举了，首先直观的看，小波和短时傅里叶的特征是最明显的，其他图片的特征目测已经不是一般人类能把握的了。模型都用最普通的1DCNN，数据是先滑窗取值再生成图片的，图片大小为96×96，这个已经算是很大了，一般64的尺寸就有不错的结果。由于比较耗时，所以每种方法只做一次，以下是测试结果：

0.小波时频图CWT

>第1次 model: 85.35 耗时705.8 sec
scores: [84.7857117652893, 68.99999976158142, 89.35714364051819, 88.78571391105652, 89.92857336997986, 90.2142882347107]
A-B model准确率: 84.79 
A-C model准确率: 69.00 
B-A model准确率: 89.36 
B-C model准确率: 88.79 
C-A model准确率: 89.93 
C-B model准确率: 90.21 
总用时：705.8sec 
平均用时：705.8sec 
Accuracy: 85.35% (+/-