《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》

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

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。