《表2 混淆矩阵：基于CNN与GRU降噪自编码的心电信号分类方法》
提示：宽带有限、当前游客访问压缩模式
通过对MIT-BIH数据库进行训练与测试，得到测试集的混淆矩阵如表2所示。
| 图表编号 | XD00168916300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.15 |
| 作者 | 燕婷、王于超、金中一 |
| 绘制单位 | 山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 算法对比分类结果：一种基于降噪自编码的组合分类算法》2020.10.10
- 《表1 数据集描述：一种基于降噪自编码的组合分类算法》2020.10.10
- 《表1 混淆矩阵：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表2 混淆矩阵：基于弹性网的深度去噪自编码器异常检测方法》2020.06.16
- 《表3 实验结果对比：基于CNN与GRU降噪自编码的心电信号分类方法》2020.04.15
- 《表2 分类结果混淆矩阵：基于CNN的强噪声干扰下C扫成像检测方法》2020.07.18
- 《表1 实验环境：基于残差卷积自编码器(RCAE)的红外图像降噪方法研究》2019.12.25
- 《表5 部分在线监测数据：基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法》2019.12.01
- 《表7 6种模型修复值：基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法》2019.12.01
- 《表2 混淆矩阵C：基于CNN的心冲击信号阵发性房颤自动检测方法》2019.11.01
- 《表1 分类混淆矩阵：基于卷积神经网络的心电信号分类研究》2019.08.13
- 《表6 基于光谱和空间信息的CNN分类混淆矩阵结果》2019.08.20
- 《表5 基于光谱信息的CNN分类混淆矩阵结果》2019.08.20
- 《表1 分类混淆矩阵：基于深度置信网络的心电信号分类研究》2019.09.05
- 《表5 混淆矩阵：基于行波特征量与堆叠自动编码器的电缆早期故障定位方法》2019.08.20
- 《表1 参数定义：基于奇异值分解的自混合干涉信号降噪方法》2019.05.01
- 《表3 二分类混淆矩阵：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表2 仿真结果：基于改进深度降噪自编码网络的电网气象防灾方法》2019.01.25
- 《表A1气象特征向量种类：基于改进深度降噪自编码网络的电网气象防灾方法》2019.01.25
- 《表1 故障预测输出形式：基于改进深度降噪自编码网络的电网气象防灾方法》2019.01.25