《表7 两种算法在SPECT数据集上的分类结果》

  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

《AABC算法优化ELM的心脏病辅助诊断》

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

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%。