《表6 本研究提出的模型与单模态单分类器结果比较》

  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

《基于多模态特征和多分类器融合的前列腺癌放疗中直肠并发症预测模型》

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

实验结果如表6所示，其中列出了单模态特征下SVM、DT、KNN、RF和XGBoost 5种基分类器中表现最差和最好的分类器，同时也列出了这5种分类器决策融合后的结果作为对比，可以发现不同的分类器对数据的适应性是不同的，同时单模态下的决策融合取得的结果位于最差分类器与最优分类器之间，而本研究提出的模型在融合多模态与多分类器信息后在Accuracy、AUC、Specificity上都取得了最优的结果，其中Accuracy、AUC和Specificity分别为0.78、0.83和0.79，在Sensitivity上表现得稍差一些，只有0.76。