《表1 不同神经网络模型所提取特征的分类结果》

  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

《基于短时心电信号的疲劳驾驶检测算法》

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

为更好地对比Inception＿V3预训练模型所提取的特征的分类结果，本文对比了VGG-16预训练模型和Inception＿V3预训练模型提取的特征运用等度量映射降维后在随机森林分类器和支持向量机（support vector machine，SVM）下的分类结果，并使用准确率（ACC）以及F1-score作为衡量标准.分类结果如表1所示，可以看出两种预训练模型所提取的特征都取得了较好的分类结果.相较于VGG-16预训练模型所提取特征的分类结果而言，Inception＿V3预训练模型所提取的特征在SVM以及RF两种分类器下都得到了更好的分类结果.除此之外，相较于SVM而言，RF分类器的F1-score在两次分类结果中均取得了更高的数值，这代表着在面对神经网络提取的特征时，RF分类器的综合性能是优于SVM的.