自适应加权t-SNE算法及其在脑网络状态观测矩阵降维中的应用研究

• 作者: 熊新 王彬 王瑞 薛洁 詹威威
• 来源期刊: 计算机应用研究
• 关键词: 高维降维算法 t-SNE 自适应加权 脑状态观测矩阵 静息态fMRI
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2055-2058,2070
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.07.031

摘要

针对目前数据降维算法受高维空间样本分布影响效果不佳的问题,提出了一种自适应加权的t分布随机近邻嵌入(t-SNE)算法.该算法对两样本点在高维空间中的欧氏距离进行归一化后按距离的不同分布状况进行分组分析,分别按照近距离、较近距离和远距离三种情况在计算高维空间内样本点间的相似概率时进行自适应加权处理,以加权相对距离代替欧氏绝对距离,从而更真实地度量每一组不同样本在高维空间的相似程度.在高维脑网络状态观测矩阵中的降维实验结果表明,自适应加权t-SNE的降维聚类可视化效果优于其他降维算法,与传统t-SNE算法相比,聚类指标值DBI值平均降低了28.39％,DI值平均提高了161.84％,并且有效地消除了分散、交叉和散点等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王彬	昆明理工大学信息工程与自动化学院	50	321	11.0	15.0
2	薛洁	云南警官学院信息网络安全学院	16	60	5.0	7.0
3	熊新	昆明理工大学信息工程与自动化学院	35	164	7.0	11.0
4	王瑞	昆明理工大学津桥学院	20	37	4.0	5.0
5	詹威威	昆明理工大学信息工程与自动化学院	1	6	1.0	1.0