《表7 两种算法在SPECT数据集上的分类结果》
泛化性能,即对新鲜数据的适应能力是衡量一种算法是否可靠的关键因素之一,如果说本文算法对于不同的心脏病数据都能取得良好的分类效果,则可以说本算法具有较强的泛化性能。为对本文算法的泛化性能进行测试,现采用UCI数据库中的SPECT心脏病数据集进行仿真实验,单光子发射计算机断层成像术(single-photon emission computed tomography,SPECT)是一种核医学CT技术,可以对心脏灌注断层进行显像。该数据集共有267组样本,样本特征为心脏SPECT-CT图像的感兴趣区域,共有44组特征,样本标签分为正常(0)和异常(1);原始数据集已将样本划分为187组测试集(正常15组,异常172组)和80组训练集(正常40组,异常40组),首先采用AGA对数据特征进行选择,得到12个最优特征,再进行AABC-ELM建模,与ELM的仿真结果对比见表7。虽然本文算法对正常样本的分类准确率仅为73.33%,但较ELM仍提高了40%,对于异常样本则全部分类正确,总体分类准确率提高了34.12%。
图表编号 | XD00170288300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 周孟然、周悦尘、闫鹏程、胡锋 |
绘制单位 | 安徽理工大学电气与信息工程学院、安徽理工大学电气与信息工程学院、安徽理工大学电气与信息工程学院、安徽理工大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |