《表2 分类准确率:基于VMD和KNN的心电信号分类算法》
(%)
另外为验证提出方法的有效性,再将原始数据做3层小波包分解得到8个模态,同样计算各模态的能量特征[12-13],使用相同的训练和测试集,将VMD分解和小波包分解的能量特征输入到KNN、支持向量机(SVM)和BP神经网络中对比各分类器在两种数据处理方式下的分类准确率[14-15]。实验结果如表2所示,其中无论选用何种分类器,VMD处理后的数据特征分类准确率都优于小波包分解后的数据特征;当都使用VMD处理后的特征,KNN分类的准确率又高于SVM和BP神经网络。
图表编号 | XD0057352100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 张丹、隋文涛、梁钊、王峰 |
绘制单位 | 山东理工大学电气与电子工程学院、山东理工大学机械工程学院、山东理工大学机械工程学院、山东理工大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |