《表5 基于典型机器学习方法的测试样本预测结果对比表》

  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RBF神经网络的脑卒中后吞咽障碍智能诊断建模应用研究》

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

本研究中，基于北京市中关村医院针灸推拿科与卫健委中日友好医院康复科交流平台获取的有关脑卒中后吞咽障碍诊断的优质量表共258份。实验通过MATLAB成功构建基于南曼彻斯特诊断量表的RBF神经网络模型，并通过129个样本数据学习训练，RBF神经网络建模精度为100%。然后，对另外129个样本进行测试，诊断分型准确率为99.225%。此外，为验证RBF神经网络在学习专家对脑卒中后吞咽障碍诊断经验中的优势，本文还以同样的训练数据构建基于误差反向传播（Back Propagation，BP）神经网络和基于支持向量机（Support Vector Machine，SVM）的诊断模型，随后以同样的测试集来计算预测精度，以验证本研究方法的有效性与必要性。图3给出了基于三种建模方法的测试样本预测效果图。表5给出了几种基于典型机器学习方法的测试样本预测结果对比表。