20、深度学习分类器在医学与森林覆盖预测中的应用研究

深度学习分类器在医学与森林覆盖预测中的应用研究

一、COVID - 19 多分类模型研究

1.1 训练后分类器性能分析

在训练完分类器后，依据之前提到的指标对其性能进行了分析。通过测试集上不同网络的混淆矩阵（如图 2 所示），可以获取真阳性（TP）、假阳性（FP）、假阴性（FN）和真阴性（TN）的值。多数分类器的 TN + TP 数量相近，但 Inception ResNetV2 的 TN + TP 总数最高，且 Inception ResNetV2 和 Xception 在预测 COVID - 19 类别时准确率达到 100%。

分类器	准确率（%）	灵敏度	特异度
Xception	82.22	1.00	0.73
VGG16	80.00	0.93	0.73
VGG19	82.22	0.87	0.80
DenseNet201	82.22	1.00