研究目的
通过向单样本分类器提供聚合特征,评估多样本问题(如肌电数据)的分类效果。
研究成果
引入AFS(自适应特征选择)为多样本问题带来了显著的分类优势,不同分类器对不同的AFS选择具有敏感性。研究发现采用AFS(MEAN)通常具有优势。在原始MUP数据中添加AFS能提高独立样本的分类准确率,但并未转化为研究分类准确率的提升。该研究表明,未来研究可关注其他AFS选择方案,如截尾均值或四分位数度量。
研究不足
该研究承认,在自适应功能选择(AFS)中每增加一个聚合器都会导致搜索空间维度升高,由此产生的"维度灾难"可能构成潜在局限。研究同时指出,在临床环境中获取更多训练数据存在困难,且通过计算机模拟人类功能可能引入潜在偏差。