功能脑网络规模对特征选择及分类的影响研究

• 作者: 刘峰 刘鸿丽 曹锐 秦小麟 郭浩 陈俊杰
• 来源期刊: 现代电子技术
• 关键词: 功能脑网络 特征选择 特征分类 节点规模 分类器 实验分析
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 158-162
• 页数: 5页
• 分类号: TN915-34|TP181
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.24.038

摘要

功能脑网络中不同的模板定义导致网络规模差异极大,进一步影响所构建网络的结构及其拓扑属性.但是,在机器学习方法中网络规模差异是如何影响特征选择策略及分类准确率并不清楚.研究中采用5种不同节点规模的模板进行脑网络构建,在此基础上选择脑网络的三个局部特征用SVM方法构建分类器进行抑郁症患者的识别.结果表明,节点规模较大的模板的分类准确率较高;同时,在不同节点规模下传统的P值的特征选择方法均是可行的,但其阈值设置过于严格.

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	太原理工大学信息与计算机学院	220	1728	20.0	30.0
2	刘峰	太原理工大学信息与计算机学院	12	16	3.0	3.0
3	郭浩	太原理工大学信息与计算机学院	53	182	7.0	11.0
4	曹锐	太原理工大学信息与计算机学院	24	100	5.0	9.0
5	刘鸿丽	太原理工大学信息与计算机学院	2	0	0.0	0.0
6	秦小麟	太原理工大学信息与计算机学院	1	0	0.0	0.0