《表4 3种方法F测度结果对比》
本研究对比了多特征SVM机器学习和Zhao等[22]提出的基于二维时频图和CNN模型的结果,表4为本研究方法和对比方法的F测度分类结果,表5给出了对比方法的具体三分类结果混淆矩阵。针对3类不同质量的信号表现,新的基于多特征SVM机器学习方法在A类数据上表现略差于基于二维时频图和CNN模型的方法(F测度0.909 vs 0.919),但在B和C类上远远超出了对比方法(B类数据F测度0.827 vs 0.779,C类数据F测度0.973 vs 0.946)。总体而言,A和C类数据分类F测度较高(均高于90%),但是B类数据F测度较低,原因可能来源于B类数据的划分规则较难界定,不如A类和C类清晰。基于二维时频图和CNN模型的对比方法最终在3类的整体准确度为90.1%,比本研究提出的融合多特征指标和SVM分类器的方法低2.2%(90.1%vs.92.3%)。
图表编号 | XD00202611900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 王帅、赵钟瑶、张翔宇、赵莉娜、李建清、刘澄玉 |
绘制单位 | 东南大学仪器科学与工程学院生物电子学国家重点实验室、东南大学仪器科学与工程学院生物电子学国家重点实验室、东南大学仪器科学与工程学院生物电子学国家重点实验室、东南大学仪器科学与工程学院生物电子学国家重点实验室、东南大学仪器科学与工程学院生物电子学国家重点实验室、东南大学仪器科学与工程学院生物电子学国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |