用机器学习方法解码脑图像数据

• 作者: 相洁 赵丽 陈俊杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高斯朴素贝叶斯 支持向量机 功能磁共振成像 特征选择
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 图形、图形、模式识别
• 页码范围: 222-225
• 分类号: TP181
• 字数: 3065字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.10.050

摘要

特征选择和分类是脑功能磁共振成像(fMRI)数据分析的核心问题.针对fMRI高维数据,特征选择分两步,选取感兴趣脑区,选择最能区分刺激任务体素.该方法简单,稳定,符合人的思维逻辑.分类器选择高斯朴素贝叶斯( GNB)和支持向量机(SVM),评估该特征选择方法.实验结果表明,该方法有效提高了分类速度,分类准确度也得到很大提高.对分类方法进行比较,SVM总体上优于GNB.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学计算机与软件学院	220	1728	20.0	30.0
2	相洁	太原理工大学计算机与软件学院	34	182	9.0	12.0
3	赵丽	太原理工大学计算机与软件学院	5	32	3.0	5.0