您当前的位置： 首页 > 论文 > 2020,51(04) > 信息与计算机
基金项目:
国家自然科学基金资助项目(61876124,61873178);山西省科技厅应用基础研究青年面上项目资助(201601D021073);山西省科技厅重点研发计划项目(201803D31043);山西省教育厅高等学校科技创新研究项目资助(2016139);教育部赛尔网络下一代互联网技术创新项目资助(NGII20170712)
分类号:
TP181;R749.4
DOI:
10.16355/j.cnki.issn1007-9432tyut.2020.04.002
期刊号:
2020,51(04)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 陈俊杰 | 太原理工大学信息与计算机学院 |
摘要:
传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。
关键字:
局部差异网络;最小生成树;抑郁症;脑网络;机器学习;分类;