《表2 子分类器的性能比较》

  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

《基于脑血氧信号的下肢运动状态识别方法研究》

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

实验中首先对各子分类器的性能进行了比较，选取了识别率较高的3组分类器作为实验中的子分类器，分别是逻辑回归法、k-近邻法和支持向量机3种分类器。实验结果如表2所示，从表2中可以看出，逻辑回归法的识别率最高，达到了82.78%，支持向量机和k-邻近算法的准确率也是达到了81.64%和81.87%，已经接近其他的传统特征寻找方法得出的准确率[11]。对于选出的最优的103种特征和3种分类器，构造如图5中所示的309种有效分类器，根据每个分类器输出的特征结果，最后进行决策输出。实验分别用了投票法、加权平均法和决策模板法3种融合方法，并对其结果进行了比较。具体的融合模型如图5所示。