近年來,隨著全球范圍內(nèi)抑郁癥的發(fā)病率逐年升高,各領(lǐng)域?qū)σ钟舭Y識別的研究隨之成為熱點。目前,抑郁癥的診斷手段仍多采取主觀的識別方法,主觀法會造成對抑郁癥的漏判和誤判。為了找到客觀的診斷手段,大量研究者企圖在抑郁癥患者的生理信號或者在行為信號中找到突破,相關(guān)的研究也逐漸在開展。腦電信號作為一種典型的生理指標(biāo),有研究者將其應(yīng)用在抑郁癥的識別中,取得了不錯的效果。然而,由于目前對抑郁癥潛在的生理學(xué)機制仍不清楚,基于單源腦電數(shù)據(jù)構(gòu)建的抑郁癥識別模型存在一定的局限性,很難得到普適化的應(yīng)用。因此,為了探究普適化的抑郁癥腦電識別模型,本文通過結(jié)合多源數(shù)據(jù)融合技術(shù),將不同類型情緒刺激下的抑郁腦電數(shù)據(jù)在特征層進行融合,從而構(gòu)建相對有效且泛化性能較好的抑郁癥識別模型。本文主要的貢獻及創(chuàng)新點有以下幾點:(1)利用抑郁癥患者對外界情緒刺激的反應(yīng)不同,從正性、負性、中性三類情緒刺激出發(fā),在Fp1、Fp2、Fpz三個電極及theta、alpha、beta、gamma、全波段五個波段下提取了與抑郁癥相關(guān)的腦電特征,并基于提取的特征構(gòu)建了45個單源的特征子集。(2)針對多分類器組合學(xué)習(xí)中,個體分類器權(quán)重分配不均及遺傳算... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

決策層融合原理圖

蘭州大學(xué)碩士學(xué)位論文基于多源腦電數(shù)據(jù)融合的抑郁癥識別模型構(gòu)建方法研究20第三章基于改進遺傳算法的多分類器組合策略研究3.1引言由多分類器組成的多分類器組合學(xué)習(xí)系統(tǒng)通常由兩部分構(gòu)成：個體分類器的生成以及根據(jù)組合策略對多個個體分類器的輸出結(jié)果進行集成輸出。在多分類器組合的過程中，個體分類器的差異性、準(zhǔn)確性以及個體分類器之間的組合策略、直接影響著多分類器組合結(jié)果的好壞。多分類器組合一般分為三步：①使用有限個基礎(chǔ)的分類器對同一個訓(xùn)練集構(gòu)建子模型即生成個體分類器；②使用子模型對待分類的訓(xùn)練進行預(yù)測；③通過某種組合策略對子模型預(yù)測出的結(jié)果進行融合得到訓(xùn)練最終的類別。如圖3-1所示：圖3-1多分類器組合學(xué)習(xí)示意圖3.2個體分類器的生成個體分類器的生成是多分類器組合學(xué)習(xí)的第一步，關(guān)乎最終組合學(xué)習(xí)的效果。在生成的過程中需要考慮采用相同類型的個體分類器還是采用不同類型的個體分類器，如果采用相同類型的個體分類器，需要保證每個個體分類器進行訓(xùn)練的樣本是異質(zhì)的，而采用不同類型的個體分類器相對于采用同類型的個體分類器來說，比較容易滿足個體分類器之間的差異性。目前，個體分類器的生成方式有以下三種方式：1、基于樣本的訓(xùn)練過程構(gòu)建個體分類器：這種方法的基本思想是在訓(xùn)練訓(xùn)練集的過程中，通過多次抽樣生成多個訓(xùn)練子集，進而采用特定的分類器對每個訓(xùn)練子集構(gòu)建一個個體分類器。常見的方法有Boosting和Bagging。學(xué)習(xí)類別樣本集子分類器1子分類器2···子分類器n組合方法分類結(jié)果

蘭州大學(xué)碩士學(xué)位論文基于多源腦電數(shù)據(jù)融合的抑郁癥識別模型構(gòu)建方法研究22()={,()=max(())>·+1,(32)其中()=∑()=1,(=1,2,…,)；·為表決的閾值0<<1。目前，常見的投票法有一致投票法、絕對多數(shù)投票法、相對多數(shù)投票法。一致投票法：如果預(yù)測樣本在所有的個體分類器上獲得同樣的標(biāo)記時，則將該標(biāo)記作為預(yù)測樣本屬于的類別。絕對多數(shù)投票法：如果某個標(biāo)記獲得半數(shù)以上的票數(shù)，則將預(yù)測樣本的最終標(biāo)記設(shè)定為該標(biāo)記；否則，拒絕該標(biāo)記。相對多數(shù)投票法：如果同時有多個標(biāo)記獲得最高的票數(shù)，則從標(biāo)記中隨機選擇一個。在本文中，文章使用絕對多數(shù)投票法作為對多分類器組合策略的初步探索，算法的基本思路如圖3-2所示：圖3-2多數(shù)投票組合策略3.3.2基于加權(quán)投票法的多分類器組合策略基于簡單投票法的組合策略在組合的過程中只進行了結(jié)果的集成，單純的輸出了分類的決策，沒有考慮個體分類器在組合決策時的重要性，對所有的個體分類器都一概而論，沒有體現(xiàn)出分類性能較好的個體分類器的優(yōu)勢。因此，在這種背景下，加權(quán)投票法油然而生，一般情況下，加權(quán)投票法比多數(shù)投票法能夠得到更好的分類效果。加權(quán)投票是多分類器組合學(xué)習(xí)中比較有效的一種方法，其基本思想是根據(jù)每個個體分類器的分類結(jié)果，給表現(xiàn)好的個體分類器賦予較高的權(quán)重，給表現(xiàn)差的分類器賦予較低的權(quán)重，最后通過比較權(quán)重來決定待標(biāo)記樣本最終的類別。加權(quán)投票的結(jié)果往往能夠利用個體分類器之間的互補功能來彌補個體分類器的誤差，預(yù)測結(jié)果多數(shù)投票個體分類器結(jié)果訓(xùn)練組合決策結(jié)果樣本訓(xùn)練集DT分類器LDA分類器KNN分類器SVM分類器LR分類器

【參考文獻】：
期刊論文
[1]基于多源異構(gòu)數(shù)據(jù)融合的醫(yī)共體共享技術(shù)研究與應(yīng)用[J]. 王逸新,丁金順,任宇.  電腦編程技巧與維護. 2019(03)
[2]抑郁癥患者腦電地形圖改變對認(rèn)知功能及與療效的影響[J]. 錢衛(wèi)娟,劉剛,周群.  中國健康心理學(xué)雜志. 2017(10)
[3]腦卒中后抑郁患者正負性情緒刺激后腦電地形圖特點探究[J]. 王瑞青,李凌.  精神醫(yī)學(xué)雜志. 2017(05)
[4]基于統(tǒng)計分布熵的抑郁癥腦電信號分析[J]. 王凱明,周海燕,郭家梁,楊孝敬,王剛,鐘寧.  廣西師范大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[5]農(nóng)作物遙感識別中的多源數(shù)據(jù)融合研究進展[J]. 宋茜,周清波,吳文斌,胡瓊,余強毅,唐華俊.  中國農(nóng)業(yè)科學(xué). 2015(06)
[6]基于多源數(shù)據(jù)融合技術(shù)的情報偵察系統(tǒng)效能評估體系[J]. 繆彩練,南建設(shè),郭娜.  電訊技術(shù). 2012(04)
[7]基于相位同步分析方法的抑郁癥腦電信號的研究[J]. 胡巧莉.  中國醫(yī)療器械雜志. 2010(04)
[8]正負性情緒圖片編碼加工功能磁共振成像研究[J]. 王海寶,諶業(yè)榮,余永強,張誠,張達人.  臨床放射學(xué)雜志. 2008(07)
[9]多源數(shù)據(jù)融合技術(shù)在成礦預(yù)測中的應(yīng)用[J]. 劉星,胡光道.  地球?qū)W報. 2003(05)
[10]多源信息融合數(shù)字模型[J]. 岳天祥,劉紀(jì)遠.  世界科技研究與發(fā)展. 2001(05)



本文編號：2945693