31、多视角特征分析在医疗与工业领域的应用

多视角特征分析在医疗与工业领域的应用

医疗领域：基于多视角特征的监督集成子空间学习模型

模型分类效果

在对正常受试者进行分类时，S - I和S - II的平均总体准确率（Mean OA）表明了分类模型对于不同信号选择的有效性。通过对EMGN2001 + EMGGN RC的混淆矩阵分析可知，采用S - II的模型在分类上表现出色，仅误分类了三例（一例肌萎缩侧索硬化症，两例肌病），且未误分类任何对照受试者。在EMGGN RC数据集中，该模型能准确预测受试者情况。这些有前景的结果和低结果方差明显表明了多集典型相关分析（mCCA）的可靠性。

信号数量（q）	p值
4	0.0025
6	0.074
8	0.04
10	0.065

从性能评估和统计测试中确定了q = 8时的结果。图10显示了总体准确率（OA）随q的变化情况。双向方差分析（Two - way - ANOVA）测试在p < 0.001时表明，为避免计算负担，信号数量不应超过八个。该方法的有效性得益于通过数据降维技术和特征级融合使用多视角（MVs），利用大量输入数据并提供具有高泛化能力的综