《表2 实验对比结果:KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用》
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
《KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用》
PCA:主成分分析;SVM:支持向量机;KPCA:核主成分分析
其中,P和R分别代表准确率和召回率,TP (True Positive)为分类后被正确标记为正例的个数;FP (False Positive)为分类后被错误标记为正例的个数;TN (True Negative)为分类后被正确标记为负例的个数;FN (False Negative)为分类后被错误标记为负例的个数。在结果的分析过程中,精确率和召回率的含义也可以被理解为查准率和查全率,而F1值可以被看作是模型准确率和召回率的一种加权平均,作为统一准确率和召回率的评估标准,来衡量模型分类的性能。具体实验结果如表2所示。
图表编号 | XD0081380100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 李长胜、王瑜、肖洪兵、邢素霞 |
绘制单位 | 北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |