《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》
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。
图表编号 | XD0061334200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 陈倩蓉、梁永波、赵飞骏、朱健铭、陈真诚 |
绘制单位 | 桂林电子科技大学电子工程与自动化学院、桂林电子科技大学生命与环境科学学院、桂林电子科技大学生命与环境科学学院、桂林电子科技大学生命与环境科学学院、桂林电子科技大学生命与环境科学学院 |
更多格式 | 高清、无水印(增值服务) |