《表1 不同机器学习算法对人眼状态分类的结果》

  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

《基于机器学习的在线学习注意力定性评估研究》

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

在实验中，将上述2种特征提取算法和3种分类器组合的6种算法进行比较。不同算法的结果比较如表1所示。通过分析我们发现，Gabor特征在眼部的特征提取方面要优于PCA特征。同等条件下，三种分类器都表现了更好的预测准确率。如Gabor+KNN的分类效果要比PCA+KNN高2.9%。另外，通过比较，我们也得到SVM具有更好的分类特性。如同样是Gabor特征，SVM的分类效果优于KNN和NB，分别高25%和8.3%。因此，我们得出Gabor+SVM算法能够实现最高效的分类结果，分类的准确率达到92.5%。