《表2 与传统模型的结果对比》

  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

《基于贝叶斯最小风险的癫痫脑电自动检测算法》

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

为了体现所提出算法相比传统机器学习算法的优越性能，使用随机森林以同样的方式作测试。所提出算法正是在随机森林上进行了特征子空间分割、特征旋转、代价敏感以及贝叶斯最小风险预测这些改进得到的。在评价指标中，F2分数综合考虑了模型的灵敏性和精准率。图3通过不同病人数据的F2分数来进行算法之间的性能比较；同时，表2列出了随机森林在12份数据上的平均指标值。结果表明，提出的算法相比随机森林，提高了10.29%的灵敏性，0.086 7的F2分数，而特异性只下降了2.8%。在临床上，漏判的癫痫放电相比误判的正常脑电要付出更大的代价，提出的算法则符合这个思想，并且相比传统模型提升明显。