基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前机器学习算法已经被广泛应用到脑疾病的诊断中.医学影像数据由于样本珍贵,并且特征维数往往远大于已有样本数目,在实际应用中这是典型的小样本问题.此外,通过不同的成像手段可以得到不同模态的数据(例如MRI和PET).从而提出一种基于超图的多模态特征选择算法.首先将每组模态当作一组任务,利用l2,1范数进行特征选择,保证不同模态相同脑区的特征被选中.然后使用超图技术来刻画数据样本与样本之间的高阶信息,从而充分利用每组模态数据内部的分布先验.最后利用多核支持向量机对选择后的特征进行融合分类,从而提高对疾病的诊断精度.在ADNI数据集上对提出的方法进行验证,并与传统方法进行对比,实验结果说明了提出方法的有效性.
推荐文章
基于超图的多模态关联特征处理方法
超图
多模态特征
共享熵
模块度
分类器
基于遗传算法的多模态情感特征融合方法
多模态情感识别
特征融合
特征选择
遗传算法
基于超图的稀疏属性选择算法
属性选择
属性自表达
子空间学习
超图表示
低秩约束
特征金字塔融合的多模态行人检测算法
行人检测
多模态
特征金字塔
特征融合
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 基于超图的多模态特征选择算法及其应用
来源期刊 计算机科学与探索 学科 工学
关键词 超图学习 多任务学习 特征选择 多模态分类 阿尔茨海默症
年,卷(期) 2018,(1) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 112-119
页数 8页 分类号 TP181
字数 5395字 语种 中文
DOI 10.3778/j.issn.1673-9418.1611004
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 张道强 南京航空航天大学计算机科学与技术学院 51 491 11.0 20.0
2 祖辰 南京航空航天大学计算机科学与技术学院 4 8 2.0 2.0
3 彭瑶 南京航空航天大学计算机科学与技术学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (24)
参考文献  (23)
节点文献
引证文献  (3)
同被引文献  (16)
二级引证文献  (5)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(4)
  • 参考文献(3)
  • 二级参考文献(1)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
超图学习
多任务学习
特征选择
多模态分类
阿尔茨海默症
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
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导