《表2 实验结果的比较:基于Relief-LVQ的脑功能网络分类》
从表2中可以看出,LVQ网络训练样本的准确性远低于Relief-LVQ网络的训练结果。在简单的LVQ网络训练中,具有大量相似度很高的特征,使得两种类型具有大面积重叠信息,从而导致网络收敛速度急剧下降,此外,学习速度和分类准确性也受到影响。通过Relief-LVQ网络训练样本,当通过Relief算法提取输入特征后,LVQ网络的分类精度大大提高。这是因为在通过Relief处理的重建样本集中克服了信息重叠的问题,数据的特征更加明显,可以提高LVQ网络的学习效率和准确性[10]。
图表编号 | XD00137217300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 黄瑾、梅雪、王晓、易辉 |
绘制单位 | 南京工业大学电气工程与控制科学学院、南京工业大学电气工程与控制科学学院、南京医科大学附属脑科医院放射科、南京工业大学电气工程与控制科学学院 |
更多格式 | 高清、无水印(增值服务) |