《表3 3种联合算法的平均精度》
提示：宽带有限、当前游客访问压缩模式
注:FFT联合算法、SVM联合算法、新型联合算法的总体平均精度分别为:0.79、0.70、0.84.
3种算法在10种EEG分类在复杂情况下的平均精度见表3.FFT联合算法的分类精度比SVM联合算法的精度更高，而新型联合算法的精度优于FFT联合算法和SVM联合算法.通过计算容易得到，本文的新型联合算法最终的平均精确度较FFT联合算法提高了6%，相对于SVM联合算法提升了20%.结果表明:新型联合算法特征提取更加有效，FFT和PCA的结合能够在提取EEG信号特征时得到主要特征，更好地表征EEG信号的特点.同时，运用加权k-NN算法也提高了EEG信号分类的精度.
| 图表编号 | XD0026781600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.12.25 |
| 作者 | 陈东伟、易子川、韩娜、缪睿、杨维奇、李楠、水玲玲、周国富 |
| 绘制单位 | 电子科技大学中山学院、广东兆邦智能科技股份有限公司、电子科技大学中山学院、深圳市国华光电科技有限公司、北京理工大学珠海学院、澳门科技大学资讯科技学院、电子科技大学中山学院、深圳市国华光电科技有限公司、电子科技大学中山学院、华南师范大学华南先进光电子研究院、深圳市国华光电科技有限公司、华南师范大学华南先进光电子研究院 |
| 更多格式 | 高清、无水印（增值服务） |
