《表1 分类混淆矩阵:基于卷积神经网络的心电信号分类研究》
CNN模型比较消耗计算资源,而且神经网络的任何变化都需要新的训练,这会非常消耗时间和资源,这个方面需要优化和重视。所以该文选择所有阶段的最优参数,在上述优化参数的基础上得到训练模型,其中模型的学习率设为0.1,两层卷积层的卷积核大小均为7。对于最大池化操作,两个池化层的采样因子都为2,迭代次数为300次。最后的测试结果表明,该方法的准确度为97.8%。实验结果的混淆矩阵如表1所示。其中N、S、V、F、Q分别代表5种心律失常心拍类型。
图表编号 | XD0099587100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.13 |
作者 | 瞿文凤 |
绘制单位 | 西华大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |