《表5 本研究方法与其他方法的比较》
为了比较极限学习机与其他分类器的效果,本研究还测试了支持向量机和随机森林两种分类器,其中支持向量机使用Matlab自带函数svmtrain和svmclassify,而随机森林使用第三方库。对比的结果如表5所示。可以发现,在阿尔兹海默病和轻度认知障碍的诊断中,极限学习机的分类方法在3种分类器中准确率最高,随机森林的分类效果比极限学习机略差,而两者都比支持向量机分类器的准确率要高。表5还比较了两种其他类型的方法,如采用ROI的体积作为特征、使用支持向量机作为分类器的方法[12],以及从海马体和后扣带回皮层区域提取特征、使用主成分分析和支持向量机作为分类器的方法[18]。相对于这两种方法,本研究提出的方法具有更高的准确率。
图表编号 | XD00181296100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 林伟铭、袁江南、冯陈伟、杜民 |
绘制单位 | 厦门理工学院光电与通信工程学院、福州大学物理与信息工程学院、福建省医疗器械与医药技术重点实验室、厦门理工学院光电与通信工程学院、厦门理工学院光电与通信工程学院、福州大学物理与信息工程学院、福建省生态产业绿色技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |