《表2 ECG分类方法的性能比较(%)》
提示：宽带有限、当前游客访问压缩模式
注:各类别精度下方括号内的数字为正确分类的心搏个数.
为了评价基于深度学习的ECG分类方法性能，实验过程中采用了传统的BP算法和蚁群算法[7]进行测试.实验结果见表2，表中精度是指不同类别下正确分类的心搏数/心搏总数，总的分类精度是指所有正确分类的心搏数/总心搏数.
| 图表编号 | XD0094818000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.20 |
| 作者 | 曾启明 |
| 绘制单位 | 深圳职业技术学院电子与通信工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同分类方法的性能对比》2020.10.10
- 《表5 基于ECG、s EMG特征融合的分类结果统计》2020.12.25
- 《表2 相关方法分类性能比较》2021.03.01
- 《表1 ECG信号在不同方法中的性能比较》2020.08.20
- 《表1 Apnea-ECG数据库中受试者的心电记录分类》2020.06.15
- 《表5 PC6-DRN的ECG信号分类结果混淆矩阵》2020.08.25
- 《表4 DRN的ECG信号分类结果混淆矩阵》2020.08.25
- 《表2 与其他方法结节分类性能比较》2019.12.15
- 《表2 3种分类方法针对各个攻击类型的性能比较》2020.02.15
- 《表1 本文方法与LLE、LPP和PCA方法在分类准确率性能方面的比较》2019.11.20
- 《表1 ECG信号分类目标设置》2019.09.20
- 《表2 子模型识别率：一种集成CNN模型及其在ECG信号分类中的应用》2019.07.15
- 《表3 基于不同采样方法的分类器性能比较》2019.01.01
- 《表1 不同匹配方法和分类器检索性能比较》2018.11.01
- 《表2 三种方法对ECG信号EMD分解的IO、IEC及计算时间比较》2018.11.01
- 《表2 4组分类方法的性能比较Table 2 Performance of four groups of classification methods》2018.06.01
- 《表4 5种心电信号分类方法的分类性能比较》2018.11.01
- 《表1 各种不同多值分类方法性能比较》2019.11.25
- 《表3 不同天气分类方法的性能比较》2019.11.22
- 《表2 不同特征选择方法得到的分类器间的性能比较》2019.11.22