《表2 训练与测试的样本数量》
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。
图表编号 | XD00218353100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 谢佳静、魏守水、江兴娥、王春元、崔怀杰、刘澄玉 |
绘制单位 | 山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东交通大学信息科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院、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) |