《表3 分类结果比较：基于稀疏偏最小二乘的麻醉意识状态功能连接研究》

  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

《基于稀疏偏最小二乘的麻醉意识状态功能连接研究》

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

为了验证两种方法所计算功能连接对不同意识状态的区分效果，使用SVM分类器分别对特征连接做分类，分类结果如表3所示，交叉验证各折受试者工作特征（receiver operating characteristic，ROC）曲线如图7所示。图7中“fold”表示交叉验证折数，“mean ROC”表示平均ROC曲线，对交叉验证各折ROC曲线计算了曲线下与坐标轴围成的面积（area under curve，AUC），并以百分比形式写出。在分类之前使用PCA降维的方法选取特征，SPLS计算出来的特征矩阵虽然更为稀疏，但主成分个数较SL方法更多，可能的原因是矩阵稀疏并不会影响其中特征的独立性。最终使用SPLS方法计算功能连接的分类准确率也要高于SL方法。