《表2 预训练模型提取特征与时域/频域特征相结合的分类结果》
为进一步提升分类效果,加入了人工提取的时域/频域特征,将其与降维后的预训练模型提取的特征共同训练,分类结果如表2所示.为便于表达,表中时域/频域特征用T/F指代.可以看出,由于部分时域/频域特征存在误差,SVM在使用VGG-16预训练模型所提取的特征与时域/频域特征共同训练后,其准确率以及F1-score均出现了下降;而RF分类器的分类结果在两种衡量标准下都取得了相较于SVM而言更好的结果.尤其在使用Inception_V3预训练模型所提取的特征与时域/频域特征共同训练后,准确率达到了最大值0.91.这进一步证明了RF分类器相较于SVM而言在面对噪声样本时具有更高的鲁棒性.
图表编号 | XD0055008100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.15 |
作者 | 徐礼胜、张闻勖、庞宇轩、吴承暘 |
绘制单位 | 东北大学中荷生物医学与信息工程学院、沈阳东软智能医疗科技研究院有限公司、东北大学中荷生物医学与信息工程学院、东北大学计算机科学与工程学院、东北大学中荷生物医学与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |