《表5 3种模型实验结果:基于机器学习的心律失常检测模型研究》
该模型在测试集上的分类混淆矩阵如图7所示。5种类别识别率均高于支持向量机模型,N、S、V、Q类别识别准确率均高于随机森林模型。其实验结果对比如表5所示,传统模型SVM和RF检测的准确率、特异性和敏感性均没有1D-CNN高。以上实验结果及分析表明,1D-CNN模型在心律失常检测问题上,其能更新神经元解决非线性问题,自动提取心律数据的特征信息,并且其模型比较容易建立、具有较高的准确率及较好的泛化能力。因此,1D-CNN模型已可应用于心律失常检测实践。
图表编号 | XD00219110700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 杜权、张文宇 |
绘制单位 | 辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |