基于高阶最小生成树脑网络的多特征融合分类方法

• 作者: 秦梦娜 郭浩 陈俊杰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 低阶功能连接网络 高阶功能连接网络 最小生成树 频繁子图
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 交叉与前沿
• 页码范围: 293-298,314
• 页数: 7页
• 分类号: TP181
• 字数: 7530字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.07.050

摘要

现有的基于脑疾病的分类方法的研究使用的都是传统的低阶功能连接网络.低阶功能连接网络可能会忽略复杂的大脑区域之间动态的相互作用的模式.高阶功能连接网络能够反映网络中包含的丰富的动态时间信息,但原有的高阶功能连接网络使用聚类的方法降低了数据维度,使得构建的网络无法进行有效的神经学解释;其次,高阶功能连接网络由于规模较大,在利用复杂网络或图理论计算一些拓扑指标时消耗较大.基于此,提出了一种高阶最小生成树网络的构建方法,然后计算了传统的可量化网络指标(度和离心率)并结合频繁子图挖掘技术来挖掘具有判别能力的子网络,最后采用多核支持向量机进行分类.实验结果表明所提方法的分类精确度高达97.54％,获得了很好的分类性能.

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科学与技术学院	220	1728	20.0	30.0
2	郭浩	太原理工大学计算机科学与技术学院	53	182	7.0	11.0
3	秦梦娜	太原理工大学计算机科学与技术学院	1	0	0.0	0.0