基本信息:
- 专利标题： 一种面向脑网络的结构化特征选择方法
- 申请号：CN201810818259.5 申请日：2018-07-23
- 公开(公告)号：CN108960341B 公开(公告)日：2022-03-01
- 发明人： 接标 , 王咪 , 卞维新 , 丁新涛 , 左开中 , 方群 , 罗永龙
- 申请人： 安徽师范大学
- 申请人地址： 安徽省芜湖市九华南路189号
- 专利权人： 安徽师范大学
- 当前专利权人： 安徽师范大学
- 当前专利权人地址： 安徽省芜湖市九华南路189号
- 代理机构： 南京钟山专利代理有限公司
- 代理人： 戴朝荣
- 主分类号： G06V10/771
- IPC分类号： G06V10/771 ; G06V10/74 ; G06K9/62
摘要：
一种面向脑网络的结构化特征选择方法，考虑到对于脑网络这类的复杂数据通常使用网络局部测量作为特征向量用于随后的特征选择和分类，而忽略了网络自身固有的拓扑结构的信息，从而影响到网络分析的性能，提出了一种基于图核的结构化特征选择方法gk‑SFS方法，包含两个正则化项，其一是稀疏正则化项，该项包含了一个L1范式正则化项，保证只有少量的判别力的网络特征能被选择；其二是拉普拉斯正则化项，用于保留脑网络数据的整体分布信息，并使用图核来计算网络数据的相似性，保留了脑网络数据的拓扑结构信息。在两个真实脑疾病数据集上，实验结果表明，相比较已有的方法，提出的方法对脑疾病具有更好的性能。
公开/授权文献:
- CN108960341A 一种面向脑网络的结构化特征选择方法 公开/授权日：2018-12-07