《表2 不同特征提取方法下的识别率》

  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

《基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法》

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

实验数据集一共有280组实验，随机将其分为两份，每份有140组试验。将用多尺度熵提取的6维特征向量输入SVM分类器中进行训练分类，得到了最优分类识别率为85.21%。从表2可以看出，本文的特征提取算法的分类准确率比文献[12]、[14]和[15]高了0.92%~4.13%。本文使用了6维特征向量，特征维数的降低，可以使分类器的模型更简单，减少分类时间。相对已有文献特征数量大幅减少，进行了100次测试，该算法运行一次平均消耗的时间为73ms。由此可见，本文算法减少了特征数量，且改善了分类精度。