论文摘要
目前已有的脑网络分类方法大多是通过处理收集的信号来构建脑网络,并根据一个或多个脑区之间的脑网络特征属性来进行分类。该分类方法只考虑一个特征属性,忽略了脑网络的其他特征属性,而被忽略的特征属性很可能会对实验结果产生较大的影响。为了克服已有分类方法的缺陷,文中考虑多种特征属性提出了一种基于多形式特征向量的脑网络分类方法并使用了新型图核,该分类方法由4步构成:将原始实验数据经过预处理后完成脑网络构建;根据不同的阈值来提取脑网络中多种脑网络属性值;利用支持向量机训练所有数据,根据训练结果的优劣,在每种网络属性值里挑选分类效果最优的阈值参数,并将它们进行特征融合;使用支持向量机训练融合后的特征向量。通过实验数据分析并与已有分类方法进行了对比,验证该方法在轻度认知障碍数据集上脑网络分类的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 杨楠,张大坤
关键词: 脑网络,支持向量机,轻度认知障碍,图核
来源: 计算机工程与应用 2019年24期
年度: 2019
分类: 信息科技,基础科学,医药卫生科技
专业: 生物学,生物医学工程,计算机软件及计算机应用
单位: 天津工业大学计算机科学与技术学院
分类号: TP391.41;R318
页码: 96-101+246
总页数: 7
文件大小: 1779K
下载量: 121
相关论文文献
- [1].知识与认知的有机融合——“矩阵的特征值与特征向量”的备课过程[J]. 上海中学数学 2017(Z2)
- [2].矩阵特征根特征向量的求解方法及应用的研究[J]. 考试周刊 2017(44)
- [3].信号多维特征向量的评价模型[J]. 牡丹江师范学院学报(自然科学版) 2018(03)
- [4].谱聚类中基于熵排序的特征向量选择方法[J]. 数字技术与应用 2016(07)
- [5].分配格上上标准特征向量的求法[J]. 数学杂志 2008(04)
- [6].基于语义相似度的情感特征向量提取方法[J]. 计算机科学 2017(10)
- [7].半监督谱聚类特征向量选择算法[J]. 模式识别与人工智能 2011(01)
- [8].基于负荷特征向量的负荷分类与预测方法研究及其应用[J]. 电气应用 2013(S1)
- [9].方阵广义特征向量的一种相似迭代算法[J]. 计算机应用与软件 2014(02)
- [10].特征向量的核方法检测网络社团结构[J]. 西安电子科技大学学报 2012(02)
- [11].基于多特征向量的语音情感识别[J]. 计算机科学 2009(06)
- [12].基于产品特征向量的产品配置研究[J]. 制造业自动化 2008(12)
- [13].一类特殊矩阵特征向量的求法[J]. 许昌学院学报 2018(04)
- [14].谱聚类中选取特征向量的动态选择性集成方法[J]. 模式识别与人工智能 2014(05)
- [15].谱划分算法中特征向量选取方法的研究[J]. 信息与电脑(理论版) 2011(16)
- [16].基于最优特征向量的谱二分社团检测方法[J]. 计算机科学与探索 2017(12)
- [17].两矩阵的公共特征向量与同时三角化探讨[J]. 许昌学院学报 2012(05)
- [18].基于特征向量提取的核回归建模方法研究[J]. 控制工程 2010(04)
- [19].广义特征向量的广义线性相关性[J]. 柳州职业技术学院学报 2010(04)
- [20].一种基于二进制语义特征向量的协同过滤方法[J]. 浙江科技学院学报 2008(01)
- [21].穿戴式跌倒检测中特征向量的提取和降维研究[J]. 计算机应用研究 2019(01)
- [22].一个线性算子的特征向量空间[J]. 江苏理工学院学报 2015(02)
- [23].求解最大特征值及其对应特征向量的FPGA实现[J]. 科学技术与工程 2012(14)
- [24].基于多维特征向量的网络社团划分方法[J]. 东北大学学报(自然科学版) 2008(07)
- [25].一个基于特征向量的近似网页去重算法[J]. 中国索引 2009(01)
- [26].逻辑矩阵的特征向量及应用[J]. 数学的实践与认识 2018(09)
- [27].采用特征向量夹角联合概率密度函数的信源个数估计方法[J]. 上海交通大学学报 2018(04)
- [28].基于左特征向量配置的结构声主动控制[J]. 振动与冲击 2018(01)
- [29].非对称系统的特征向量导数的新算法[J]. 黑龙江工程学院学报 2018(05)
- [30].特征向量一维化的图像修复算法[J]. 计算机仿真 2008(03)