《表8 RFECV特征评估排序的分类结果》

  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EMD自适应重构的心音信号特征筛选及分类》

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

Correct numbers和Error numbers为各类信号正确分类个数和错误分类个数；Precision为4类信号的分类准确率；ROC Area为适应度曲线面积；kappa系数为用于评判分类器的分类结果和随机分类的差异度；ACC为整体平均分类准确率。整体4类心音的错误分类个数为6个，kappa系数为97.7%，整体平均分类准确率为98.28%。AS分类准确率为96.6%，错误个数仅1个，MS的分类准确率为97.6%，错误个数为4个，MR的分类准确率为100%，NHS的分类准确率为98.9%，错误个数仅1个。综合文中对4类心音信号的36维特征提取，特征筛选方法和分类识别结果可推断，由于病理性机制导致心脏瓣膜病变而出现血流异常，使相应的心音信号变得复杂，因此区分不同瓣膜缺损心音也变得困难，表8所示AS和MS的分类结果稍微偏低，分析可知在特征提取时，两类心音存在区别不够明显的特征参数，导致在后续特征筛选和分类时影响其最终结果，但4类信号的整体分类结果良好。