《表3“热”执行功能分类结果(%)》
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
《基于皮尔逊最优电极选择的ADHD患者脑电特征提取及分类研究》
最后,比较各个分类器的平均准确率和执行效率,见表4。采用频域特征的传统分类器算法性能要低于采用时域特征的算法性能(机器配置:i3-4170 3.7 Hz,Windows7 64,4 G内存,显卡:HD graphics 4400),传统分类器算法耗时较高,但同类特征间的算法耗时具有不确定性,组合分类器算法的性能比较适中。实验表明:分类器SVM、LDA、BP、Adaboost、Bagging需要手动选择脑电特征,并且其特征较为单一。而改进后的组合分类器可用于多特征的选择分类,特征选择无需人工干预,能自动学习特征,且准确率比单特征分类准确率更高。组合分类器中LDA-SVM分类准确率达到了88.88%,执行效率较BP-SVM耗时更少,更适用于本实验。
图表编号 | XD00146833100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 邹凌、吴帆、毕卉、田博帆、宋志伟、王苏弘 |
绘制单位 | 常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、苏州大学附属第三医院脑科学研究中心 |
更多格式 | 高清、无水印(增值服务) |