《表2 本文算法与相关研究的识别性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于希尔伯特振动分解和卷积神经网络的融合特征心电识别算法》
为了能验证本文提出算法相对其他相关研究的性能差异,本文与4个2019年以内国内外的算法做出了比较与分析,得到如表2所示的结果。观察可知:文献[4]是典型的基准点特征提取方法,方法基于相关系数和小波距离计算,算法计算复杂,只能应用于小规模识别场景,泛化能力差;文献[9]采用主要粒子群优化算法和概率神经网络,粒子群算法缺乏速度的动态调节且易陷入局部最优,不能有效解决离散及组合问题;文献[11]算法过程复杂,计算复杂度高,不能应用于大型识别场景;文献[24]引入了CNN网络,但是小波变换本身依赖研究者的先验选择小波函数,且提取的特征没有综合时频域及能量的特征信息。本文提出的算法识别性能较比较的文献中的算法有明显优势,有效证明了本文所提算法的可行性。
图表编号 | XD00138883600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 黄润新、张烨菲、郭春伟 |
绘制单位 | 杭州电子科技大学电子信息学院、杭州电子科技大学电子信息学院、杭州电子科技大学智慧城市研究中心 |
更多格式 | 高清、无水印(增值服务) |