《表2 MI范式中全部受试者的分类准确率及平均分类准确率》

  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LDA和KNN的下肢运动想象脑电信号分类研究》

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

（%）

由表1可以看出，在HY范式中，LDA+KNN算法得到的平均准确率为84.62%，比SVM算法提高了6%，10名受试者中有9名受试者的准确率超过了80%，整体趋势都优于SVM，说明该算法具有普遍性，适用于绝大部分受试者。在单纯的MI范式中，LDA+KNN的分类效果同样优于SVM的结果，平均准确率提高了5%。在使用SVM进行分类时，只有1名受试者准确率达到了70%，而使用LDA+KNN算法时，3名受试者的准确率达到了70%以上，且最高达到81.25%。为了进一步证明实验数据具有统计学意义，将对数据进行配对t检验，结果表明，在HY范式和MI范式中，两种算法得到的分类准确率都具有统计学差异（p值均小于0.05）。除了算法优化带来的准确率提升，实验范式的改变也对分类准确率有着一定的影响，可以看出，无论选择哪一种分类算法，在含有刺激辅助的HY范式中分类准确率都高于单纯MI范式的分类准确率，也证明了刺激辅助在运动想象任务中有积极地作用。