【摘 要】
：
近年来,随着医学成像技术的发展,从神经影像中发现对脑疾病敏感的生物标记和结构或功能连接特性,并用于脑疾病的分类,已成为一个新的研究热点。基于数据挖掘和机器学习的技术
论文部分内容阅读
近年来,随着医学成像技术的发展,从神经影像中发现对脑疾病敏感的生物标记和结构或功能连接特性,并用于脑疾病的分类,已成为一个新的研究热点。基于数据挖掘和机器学习的技术,对脑网络进行分析,并从中发现规律,以用于对未知数据的预测,已成为研究趋势。本文基于图挖掘的技术,对脑网络分类开展了研究。本文的主要创新点和研究工作总结如下：首先,我们提出了基于单网络的频繁和判别子网络挖掘的脑网络分类方法。我们的假设是同组的脑网络存在相同的子网络,而不同组之间存在判别性的子网络。我们便利用不同组间的频繁和判别子网络进行脑网络的分类。具体而言：首先使用频繁子图挖掘技术在不同脑网络组挖掘频繁子网络,然后基于所提出的判别子网络选择算法选出最具判别性的子网络,最后用基于图核的分类方法对脑网络进行分类。实验结果表明,提出的方法不仅能显著提高学习算法的分类性能,而且对检测出可能对疾病敏感的功能性连接、结构性连接和脑区表现了一定的潜力。其次,在单网络的基础上提出了基于多网络融合的频繁和判别子网络挖掘方法。我们的假设是,使用不同的阂值对连接网络进行阂值化后产生不同的阂值化网络,而不同阂值对应的阂值化网络具有不同层次的拓扑结构网络特性,我们的目的便是充分利用这些不同层次的拓扑结构网络特性。具体地,在每一种选择的阂值下,使用该阂值对全连接网络进行阂值化。这样,对于每一种阂值化的连接网络,我们都进行频繁和判别子网络挖掘,并将每个阂值对应的判别子网络组合在一起。实验结果表明,多网络融合的频繁和判别子网络挖掘算法可以获得更稳定的分类性能,并能够得到更多的关于脑网络拓扑结构的发现。
其他文献
软件过程自提出以来,一直被认为是解决软件危机的重要手段。软件过程评估最为改进软件过程的基础,软件过程评估方法受到越来越多研究人员的关注。软件过程评估已经称为制约软
P2P网络的开放性和匿名性使得任何终端都可以加入网络并共享资源和服务，从而导致网络中存在大量的只消费资源、不共享资源的节点和提供虚假资源、不可靠服务的节点。建立节点
基于历史项目的数据挖掘是近几年来软件项目风险分析领域的研究热点，但目前常用的数据挖掘方法难以免受软件项目级的风险分析中存在的样本量有限和模型复杂的不利因素的影响并
当前的WebGIS系统普遍存在数据可重用性差、客户端通用性差、对平台的依赖性强、开发复杂度高等问题，迫切需要引入新的技术来进行改进。目前计算模式和程序设计模式领域己经发
随着Web信息资源的迅速增加,如何在浩瀚的信息海洋中准确、方便、快速地找到自己所需的信息,是个迫切需要解决的问题。由于自然语言的模糊性和用户信息需求的随机性和动态性,
在基于UML的软件开发过程中，各种UML图形从不同侧面描绘着所开发的软件系统，这些图形之间存在着信息的重叠，从而导致UML模型的一致性问题。UML模型的一致性问题也是建模过程中一
GUI测试多采用基于规约(Specification)的方法，即检查软件实现是否与规约一致。这种测试通常先基于规约建立测试模型，然后再在模型的基础上生成测试用例。当前描述GUI的测试模
随着国民经济的飞速发展,人们对通信业务的需求不断增加,对服务质量的要求也不断提高。电信运营支撑系统和运维支撑系统接口的结构化运行模式已不能满足市场发展的需求,迫切
聚类作为挖掘数据结构信息的有效工具之一,已被广泛应用于图像处理、生物信息学与数据挖掘等众多领域。根据在聚类目标函数中是否引入特征权重,可将聚类算法分为传统聚类算法
网络广泛存在于自然界和人类生活中。网络中的各种有害传播给经济、社会、生态等带来巨大挑战,寻找有效的干预策略实现对网络传播的控制是一个重要的研究问题。本文从两个方