《表5 测试结果的T检验：基于去噪自编码器和长短时记忆网络的语音测谎算法》

  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

《基于去噪自编码器和长短时记忆网络的语音测谎算法》

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

此外，本文还对测试结果进行了T检验（显著性检验），目的是验证在不同数据集中，PDL模型对识别效果的改善情况。根据T检验的理论，需要先计算出两组数据存在差异的概率（P值），然后根据此值来判断它们是否存在显著性差异，一般来说当P值小于0.05时，两组数据存在显著性差异[17]。检验结果如表5所示，可以看出，在不同的数据集上，PDL模型与单独的DAE和LSTM模型相比，P值都小于0.001，因此，所提模型对识别效果有明显的改善。