《表2 基于不同特征集的KNN分类模型准确率Tab.2 Accuracy of K-nearest neighbor model using different feature sets》

  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

《基于心电-脉搏波的心血管疾病识别研究》

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

pwvo，pwva，pwvm are 3 kinds of pulse wave velocities.Pand pwvo forms the set QO；P and pwva forms the set QA；P and pwvm forms the set QM.

本研究基于PWV和脉搏波形态学特征参数分别使用K近邻学习（K-Nearest Neighbor，KNN）与支持向量机（Support Vector Machine，SVM）两种方法对样本进行分类识别。KNN属于常用的监督学习方法，其核心思想是以某种距离度量寻找测试样本与训练样本最靠近的k个训练样本，将这k个样本中占比最大的类别标记作为预测结果[18]。对于KNN，k是一个重要的参数，k值的选择影响着分类器的精度，所以首先要找出适合的k值。表2所示的是基于含不同PWV的特征集的最优k值对应的分类模型的准确率。