《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》
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。
图表编号 | XD0020608400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.01.01 |
作者 | 邹晓红、张轶勃、孙延贞 |
绘制单位 | 燕山大学信息科学与工程学院、河北省计算机虚拟技术与系统集成重点实验室、河北省软件工程重点实验室、燕山大学信息科学与工程学院、河北省计算机虚拟技术与系统集成重点实验室、河北省软件工程重点实验室、燕山大学信息科学与工程学院、河北省计算机虚拟技术与系统集成重点实验室、河北省软件工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |