《表3 在AVEC 2013与其他算法的比较》
将本文算法在AVEC 2013和AVEC 2014数据集分别与其他算法进行比较,实验结果如表3和表4所示。在两个数据集上,本文抑郁程度预测值与真实值之间的MAE值分别为6.79和6.48,RMSE值分别为8.85和8.67,优于基于手工特征的方法。与基准算法相比,本文算法在AVEC 2013数据集上MAE值下降了4.09,RMSE值下降了4.76,优于基于手工特征和深度特征的方法。在手工特征和深度特征方面,以VLDN+Bi-LSTM算法的对比为例,在AVEC 2013数据集上,MAE值识别精度提高了3.55%,RMSE值识别精度提高了0.89%。在深度特征方面,以双流CNN算法的对比为例,在AVEC2013数据集上,本文算法MAE值的识别精度提高了10%,RMSE值的识别精度提高了9%,在AVEC2014数据集上,MAE值识别精度提高了13%,RMSE值的识别精度提高了7%。
图表编号 | XD00187454900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 于明、徐心怡、师硕、郝小可 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院 |
更多格式 | 高清、无水印(增值服务) |