《表3 SVM在θ、α频段下的分类结果》
![《表3 SVM在θ、α频段下的分类结果》](http://bookimg.mtoou.info/tubiao/gif/SWGC202006013_08000.gif)
本系列图表出处文件名:随高清版一同展现
《基于脑网络参数优化的青少年抑郁症患者与健康人群分类识别研究》
为了对两组受试者进行分类,分别提取整体的网络参数和优化后的网络参数作为特征,并构建了6个特征矩阵,利用支持向量机(support vector machine,SVM)算法进行分类,并采用留一交叉验证法(高斯核函数)作比较。如表3所示,从整体来看,将优化后的参数作为分类特征,精度都有所提升,其中α频段下的分类精度都高于θ频段。从参数优化前后的分类效果来看,在θ频段下,使用强度的AUC进行分类,精度只提升了2%,使用平均特征路径长度的AUC进行分类,精度提升了11%,使用平均聚类系数的AUC进行分类,精度则提升了18%;在α频段下,使用强度的AUC作为特征,精度比优化前提升了7%,使用平均特征路径长度的AUC作为特征,精度提升了13%,使用平均聚类系数的AUC作为特征,精度提升了10%。
图表编号 | XD00208035200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 沈潇童、王玥、毕卉、曹音、王苏弘、邹凌 |
绘制单位 | 常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州市第二人民医院、常州市第一人民医院、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |