原文服务方: 微电子学与计算机       
摘要:
fMRI数据是典型的高维小样本数据,如何从高维数据中提取和选择重要的特征是正确分类识别的关键。结合f M RI数据自身特点,提出了一种应用随机森林算法进行特征选择的方法,以随机森林分类精度为准则函数对特征进行重要性度量的方式实现特征选择。将本方法应用于健康者和精神分裂症患者的识别中,通过计算每个特征对分类的贡献度,优选出贡献度大的特征用于分类识别,同时根据重要特征的序号定位到相应脑区,给临床诊断提供客观参照。实验结果表明,该方法具有较好的效果。
推荐文章
Hadoop环境下基于随机森林的特征选择算法
高维大数据
随机森林
MapReduce
特征选择
分类
基于随机森林的不平衡特征选择算法
不平衡数据
高维数据
特征选择
随机森林
基于随机森林的自适应特征选择算法
随机森林
自适应
特征选择
GroupLASSO方法
基于Spark的改进随机森林算法
随机森林
Spark
特征空间
ReliefF算法
高维数据
分类模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机森林算法的特征选择及在 fMRI数据中的应用
来源期刊 微电子学与计算机 学科
关键词 分类识别 特征提取与选择 随机森林 fM RI数据
年,卷(期) 2014,(8) 所属期刊栏目
研究方向 页码范围 132-135
页数 4页 分类号 TP391
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 梅雪 南京工业大学自动化与电气工程学院 53 433 12.0 17.0
2 杨骥 南京工业大学自动化与电气工程学院 2 66 2.0 2.0
3 袁晓龙 南京工业大学自动化与电气工程学院 4 74 3.0 4.0
4 黄嘉爽 南京工业大学自动化与电气工程学院 3 36 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (35)
参考文献  (10)
节点文献
引证文献  (17)
同被引文献  (17)
二级引证文献  (3)
1933(1)
  • 参考文献(0)
  • 二级参考文献(1)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(6)
  • 参考文献(2)
  • 二级参考文献(4)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(5)
  • 引证文献(3)
  • 二级引证文献(2)
2019(5)
  • 引证文献(4)
  • 二级引证文献(1)
研究主题发展历程
节点文献
分类识别
特征提取与选择
随机森林
fM RI数据
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导