《表2 SVM和DBNs模型的分类准确率、灵敏度、特异度和AUC值》

  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

《基于深度学习方法的精神分裂症听觉稳态诱发电位分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

SVM-linear、SVM-RBF、SVM-sigmoid三种支持向量机模型的分类准确率均未超过80%，且远低于深度信念网络模型的分类准确率，说明对于这个数据集，支持向量机算法建立的三种模型特征学习能力不如深度信念网络算法。三种支持向量机模型的灵敏度均较高，SVM-RBF甚至超过了深度信念网络模型，但是从模型特异度来看，SVM-linear、SVM-RBF、SVM-sigmoid三种模型的特度均未超过60%，这说明模型假阳性率较高，即很多正常对照者被误诊断为患有精神分裂症。反观深度信念网络，其特异度为75.50%，远高于三种支持向量机模型，这说明所建立的深度信念网络模型具有较强的泛化能力，具备一定的鉴别诊断能力。