《表4 与其他分类结果的比较》
将本文的方法与其他关于精神分裂症的分类研究进行比较。比较结果如表4所示。文献[12]中通过记录多通道脑磁图(MEG)信号,并提取了最具识别性的δ、θ和α波段的功率谱值作为特征,使用SVM分类器进行分类,分类准确率为91.8%;文献[13]中采用互信息技术进行通道选择,该技术用于确定信息量更大的通道,从而获取更好的识别能力,自相关(AR)系数、频带功率以及分形维数作为信号的特征,最后使用Adaboost分类器进行分类,结果为91.94%;文献[14]中使用一种栈式自动编码器对患者和健康被试的功能性磁共振成像(f MRI)数据进行分类,分类准确率为92.00%;文献[15]中将离散小波变换(DWT)应用于EEG信号,提取的相对小波能量特征被传递到分类器用于分类,最后通过SVM、多层感知器以及K-最近邻分类器实现98%的分类准确率。但是本研究相较于以上研究,分类准确率得到了明显的提升。
图表编号 | XD00119690900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 田程、胡廷、曹锐、相洁 |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |