《表2 不同分类器对应的结果》

  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

《基于LS-MEMD的sEEG高频振荡自动识别方法》

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

表2为不同分类器对应的结果，各分类器参数已测试为最优。由表中数据可见，基于本文所提的特征，无论用何种分类器，识别效果均可。但是，SVM分类器具有最高准确率和较低误检率。具体而言，SVM分类结果的准确率和灵敏度都明显优于其他三种分类器，但其特异性（99.03%）略低于BLDA（99.81%）和K-means（100%）。同时，SVM的误检率（0.83%）低于KNN算法（1.5%），但未达最优，BLDA的误检率为0.25%，而K-means则为0，即没有错把高频伪迹归为痫样脑电的情况发生。尽管如此，BLDA和K-means灵敏度低到了无法接受（小于80%）的程度，即它们正确识别HFOs的概率较低。因此，SVM在HFOs识别方面综合性能最佳，本文使用SVM进行HFOs的自动精准识别。