《表2 训练与测试的样本数量》

  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CNN和频率切片小波变换的T波形态分类》

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

研究使用以上两种规则进行两种独立实验。在进行基于样本的实验时，每一类T波的病人样本数目相差较多，且样本数目分布不平衡，如表2第2列所示。由于存在个体差异和类间数据不平衡的问题，可能导致少数类训练集与测试集的数据特征相差较大，影响分类准确率。为了解决上述问题，实验采用经典的过采样SMOTE算法[26]，对部分样本少的数据进行扩充，通过在同类邻近样本点连线上利用k近邻的方法进行随机差值的方式来进行样本扩充。本次扩充采用了2个最近邻，即k取值为2，最终扩充完的样本数如表2第3列所示。其中，对正常类选取了原样本中的24个样本，倒置样本不变，对剩余类别的训练集样本扩充1倍而测试集不作扩充。表2中第4列为扩充完的训练集。