《表3 不同分类器对分类性能的影响》

  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

《多模态融合下长时程肺部病灶良恶性预测方法》

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

%

为了更好地提高整个网络的识别准确率，本文采用传统的分类算法对Bi-LSTM网络产生的特征进行分类。实验中用到的分类算法包括BP神经网络、SVM、朴素贝叶斯和本文方法，并且深度网络内嵌的ELM分类器也被用来进行分类，它已经被证明在分类方面是有效的。从表3中可以看出，对于四种不同特征，本文提出的逻辑回归分析方法性能获得最好的分类性能，优于其他分类器，其准确率为92.58%，特异性为94.58%，敏感度为91.86%。同时逻辑回归分析方法的标准差普遍也小于其他分类器，说明该方法具有较稳定的分类性能。?