《表6 Behar等SVM方法[23]信号质量三分类结果》
本研究同时对比了Behar等提出的基于多特征指标结合SVM模型方法[23],针对3类不同质量信号分类,提出了新的基于多特征SVM机器学习方法,在A类、B类和C类上F测度远远超出使用Behar的方法(A类0.909 vs 0.817,B类0.827 vs0.702,C类0.973 vs 0.952)。表6所示为Behar等[23]方法的具体三分类结果混淆矩阵,最终分类准确度为85.9%,比本研究提出的融合多特征指标和SVM分类器的方法低6.4%(85.9%vs 92.3%)。
图表编号 | XD00202613400 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) |