

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近年來,隨著醫(yī)學成像技術的發(fā)展,從神經影像中發(fā)現對腦疾病敏感的生物標記和結構或功能連接特性,并用于腦疾病的分類,己成為一個新的研宄熱點?;跀祿诰蚝蜋C器學習的技術,對腦網絡進行分析,并從中發(fā)現規(guī)律,以用于對未知數據的預測,己成為研宄趨勢。本文基于圖挖掘的技術,對腦網絡分類開展了研宄。本文的主要創(chuàng)新點和研宄工作總結如下:
首先,提出了基于單網絡的頻繁和判別子網絡挖掘的腦網絡分類方法。我們的假設是同組的腦網絡存在相同的子網絡,而
2、不同組之間存在判別性的子網絡。便利用不同組間的頻繁和判別子網絡進行腦網絡的分類。具體而言:首先使用頻繁子圖挖掘技術在不同腦網絡組挖掘頻繁子網絡,然后基于所提出的判別子網絡選擇算法選出最具判別性的子網絡,最后用基于圖核的分類方法對腦網絡進行分類。實驗結果表明,提出的方法不僅能顯著提高學習算法的分類性能,而且對檢測出可能對疾病敏感的功能性連接、結構性連接和腦區(qū)表現了一定的潛力。
其次,在單網絡的基礎上提出了基于多網絡融合的頻繁和判
3、別子網絡挖掘方法。我們的假設是,使用不同的閾值對連接網絡進行閾值化后產生不同的閾值化網絡,而不同閾值對應的閾值化網絡具有不同層次的拓撲結構網絡特性,目的便是充分利用這些不同層次的拓撲結構網絡特性。具體地,在每一種選擇的閾值下,使用該閾值對全連接網絡進行閾值化。這樣,對于每一種閾值化的連接網絡,都進行頻繁和判別子網絡挖掘,并將每個閾值對應的判別子網絡組合在一起。實驗結果表明,多網絡融合的頻繁和判別子網絡挖掘算法可以獲得更穩(wěn)定的分類性能,并
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于有序模式的腦網絡分類研究及其應用.pdf
- 基于SVM的分類挖掘算法及其應用.pdf
- 基于粗神經網絡的數據挖掘方法及其應用.pdf
- 基于最優(yōu)分類面的神經網絡模式分類方法及其應用.pdf
- 基于深度網絡的腦電信號分類方法研究.pdf
- 基于復雜網絡的數據挖掘分類問題研究與應用.pdf
- 神經網絡方法及其在數據挖掘中的應用.pdf
- 基于FP-Growth的分類規(guī)則挖掘算法及其應用.pdf
- 頻繁子圖挖掘算法及其在分類信息挖掘中的應用研究.pdf
- 基于圖的模式挖掘及其應用研究.pdf
- 腦電的腦網絡方法及應用研究.pdf
- 基于腦活動網絡特征的ADHD分類研究.pdf
- 回聲狀態(tài)網絡分類方法及其應用研究.pdf
- 基于本體的Web挖掘分類方法的研究.pdf
- 空間數據挖掘中的分類方法及其應用研究.pdf
- 基于日志挖掘的網絡用戶行為分析及其應用.pdf
- 基于互信息的腦信號分類以及腦功能網絡研究.pdf
- 基于VoIP的網絡性能數據的挖掘方法研究與應用.pdf
- 數據挖掘中的分類方法及其在質譜數據中的應用.pdf
- 基于遺傳網絡的分類規(guī)則挖掘在入侵檢測系統(tǒng)中的應用.pdf
評論
0/150
提交評論