《表1 不同特征组合下测试集预测误差的表现（mmHg,MAE±STD)》

  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

《基于光电容积脉搏波和机器学习方法的血压预测系统研究》

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

我们将每5个特征点归为一帧，前4个放入训练集，第5个放入测试集。PPG和血压信号的特征点在时间上区别较小，因此，训练集和测试集的标签变量有同样的概率分布。本研究为选取的11个特征集合建立起训练模型，其中SBP对应的特征集合为[f1，f3，f6～f11，f13，f14，f17]，DBP对应的特征集合为[f2，f4，f5，f9～f14，f16，f18]，MBP对应的特征集合为[f4～f6，f9～f15，f17]。此外，本研究设立了另外两组对照实验进一步验证特征选择的有效性，第1组对照实验使用18个特征分别为SBP、DBP和MBP训练预测模型，然后获得测试结果；第2组对照实验则使用了所有（57个）被提取的特征建立模型。3组的实验结果见表1，其中MAE表示测试误差的平均绝对误差（mean absolute error)，STD表示测试误差的标准差（standard deviation）。