应用ROC曲线优选模式分类算法

被引：23

作者：

万柏坤 ^{[1
]}

薛召军 ^{[1
]}

李佳 ^{[1
]}

王瑞平 ^{[2
]}

机构：

[1] 天津大学生物医学工程与科学仪器系

[2] 北京交通大学生物医学工程系

来源：

自然科学进展 | 2006年 / 11期

关键词：

模式识别; 受试者操作特性曲线; 人工神经网络; 支持矢量机; 分类器;

D O I：

暂无

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

不同模式分类算法具有性能各异的特征参数及识别效果,至今缺乏普适的评估和优选方法．文中尝试将临床诊断受试者操作特性(receiver operation characteristic,ROC)曲线应用于人工神经网络(artificial neural network,ANN)的参数优化与支持矢量机(support vector machine,SVM)的性能比较．试用结果表明,ROC曲线能兼顾灵敏度和特异性要求以综合评价分类器的识别性能；ROC曲线下面积作为量化指标可以直观有效地帮助优选分类阈值和比较不同分类器的性能优劣,值得推广应用于各种模式分类算法的科学实践．

引用

页码：1511 / 1516

页数：6

共 5 条

[1] SVM算法及其在乳腺X片微钙化点自动检测中的应用 [J].