《表5 本研究方法与其他方法的比较》

  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

《基于极限学习机的阿尔兹海默病辅助诊断》

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

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。