本文關(guān)鍵詞：基于正則化稀疏模型和深度神經(jīng)網(wǎng)絡(luò)的fMRI數(shù)據(jù)特征選擇方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：功能磁共振成像(functional magnetic resonance imaging,f MRI)是神經(jīng)影像學(xué)中一種重要的腦成像方法,由于它的無創(chuàng)性、可重復(fù)測量和較高的空間分辨率,現(xiàn)在已被廣泛用于腦科學(xué)和腦疾病的研究中。近年來,利用機(jī)器學(xué)習(xí)方法從f MRI數(shù)據(jù)中解碼大腦認(rèn)知狀態(tài)是生物信息學(xué)中一項(xiàng)重要的研究課題。通過對f MRI數(shù)據(jù)進(jìn)行分類,可以有效地解碼被試的大腦刺激、心理狀態(tài)和行為,這對人類理解大腦的工作機(jī)制具有非常重要的意義。然而,f MRI數(shù)據(jù)的高維小樣本特性給這一研究帶來了巨大挑戰(zhàn)。這是因?yàn)橛?xùn)練樣本太少容易使分類模型產(chǎn)生過擬合問題,而特征空間維度太高可導(dǎo)致高的計(jì)算復(fù)雜度,同時(shí)也會降低分類結(jié)果的可解釋性。本文分別針對f MRI數(shù)據(jù)的高維特性和小樣本特性,利用機(jī)器學(xué)習(xí)中的正則化稀疏模型和深度神經(jīng)網(wǎng)絡(luò)進(jìn)行特征選擇,開展了以下兩個(gè)方面的研究工作:(1)針對f MRI數(shù)據(jù)的高維特性,提出了一種基于正則化Softmax回歸的全腦f MRI數(shù)據(jù)特征選擇框架。首先,從大腦認(rèn)知的特點(diǎn)入手,將全腦分成感興趣區(qū)域和非感興趣區(qū)域。然后,用可以縮小權(quán)值系數(shù)的L2正則對感興趣區(qū)域建模以選出感興趣區(qū)域的全部體素,用能夠產(chǎn)生稀疏效應(yīng)的L1正則對非感興趣區(qū)域建模以選出非感興趣區(qū)域中的激活體素。最后,將感興趣區(qū)域和非感興趣區(qū)域的體素結(jié)合起來構(gòu)成全腦f MRI數(shù)據(jù)的正則化Softmax回歸模型。在Haxby數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明L2與L1的正則化策略可有效提升全腦分類的準(zhǔn)確率。(2)針對f MRI數(shù)據(jù)的小樣本特性,將無標(biāo)簽f MRI數(shù)據(jù)加入到無監(jiān)督特征學(xué)習(xí)中,提出了一種基于棧式自編碼深度神經(jīng)網(wǎng)絡(luò)的f MRI數(shù)據(jù)特征選擇方法。首先,用棧式自編碼神經(jīng)網(wǎng)絡(luò)對所有無標(biāo)簽數(shù)據(jù)和有標(biāo)簽的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,得到棧式自編碼神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù),同時(shí)還可以獲得不同隱含層學(xué)到的特征。然后,用最后一個(gè)隱含層學(xué)到的特征和訓(xùn)練數(shù)據(jù)標(biāo)簽有監(jiān)督的訓(xùn)練Softmax分類器,得到Softmax分類器的網(wǎng)絡(luò)參數(shù)。最后,將上述預(yù)訓(xùn)練階段學(xué)習(xí)到的網(wǎng)絡(luò)參數(shù)值作為微調(diào)階段的參數(shù)初始化值,并利用反向傳播算法對模型進(jìn)行微調(diào)。本文利用Haxby數(shù)據(jù)集來進(jìn)行f MRI數(shù)據(jù)的分類實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明利用休息狀態(tài)的無標(biāo)簽數(shù)據(jù)可以獲得更高的分類性能。
【關(guān)鍵詞】：fMRI數(shù)據(jù) 高維小樣本 正則化稀疏模型 深度神經(jīng)網(wǎng)絡(luò) 特征選擇
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R445.2;TP183
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 傳統(tǒng)特征選擇方法的研究現(xiàn)狀10-11
• 1.2.2 深度學(xué)習(xí)的研究現(xiàn)狀11-12
• 1.3 本文的研究內(nèi)容和組織結(jié)構(gòu)12-15
• 1.3.1 論文主要的研究內(nèi)容12-13
• 1.3.2 論文的組織結(jié)構(gòu)13-15
• 第2章 相關(guān)知識介紹15-27
• 2.1 功能磁共振成像概述15-18
• 2.2 傳統(tǒng)特征選擇方法18-20
• 2.2.1 特征選擇模型18-19
• 2.2.2 特征子集評價(jià)指標(biāo)19-20
• 2.3 深度學(xué)習(xí)20-24
• 2.3.1 自編碼神經(jīng)網(wǎng)絡(luò)20-22
• 2.3.2 受限玻爾茲曼機(jī)22-24
• 2.4 Softmax回歸分類模型24-25
• 2.5 本章小結(jié)25-27
• 第3章 基于正則化Softmax回歸的全腦f MRI數(shù)據(jù)特征選擇框架27-39
• 3.1 正則化Softmax回歸27-28
• 3.2 全腦f MRI數(shù)據(jù)特征選擇框架28-31
• 3.2.1 基本思想28
• 3.2.2 框架描述28-30
• 3.2.3 交叉優(yōu)化求解算法30-31
• 3.3 實(shí)驗(yàn)與分析31-38
• 3.3.1 實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理31-32
• 3.3.2 參數(shù)對分類準(zhǔn)確率的影響32-34
• 3.3.3 實(shí)驗(yàn)結(jié)果與分析34-38
• 3.4 本章小結(jié)38-39
• 第4章 基于棧式自編碼深度神經(jīng)網(wǎng)絡(luò)的f MRI數(shù)據(jù)特征選擇研究39-49
• 4.1 棧式自編碼神經(jīng)網(wǎng)絡(luò)模型39-42
• 4.2 基于棧式自編碼深度神經(jīng)網(wǎng)絡(luò)的f MRI數(shù)據(jù)特征選擇42-44
• 4.2.1 基本思想42-43
• 4.2.2 算法流程描述43-44
• 4.3 實(shí)驗(yàn)與分析44-47
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理44
• 4.3.2 實(shí)驗(yàn)結(jié)果與分析44-47
• 4.4 本章小結(jié)47-49
• 結(jié)論49-51
• 參考文獻(xiàn)51-55
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文55-57
• 致謝57

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴康;王曉瓊;;神經(jīng)網(wǎng)絡(luò)在藥動(dòng)學(xué)評價(jià)中的應(yīng)用[J];醫(yī)藥導(dǎo)報(bào);2007年09期

2 蔡云;;收斂非線性神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1991年01期

3 王繼成,呂維雪;基于神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮[J];生物醫(yī)學(xué)工程學(xué)雜志;1993年03期

4 段新昱,林家瑞;神經(jīng)網(wǎng)絡(luò)在心電信號分析處理中的應(yīng)用[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1993年01期

5 Miller A S ,張永紅;神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)信號處理方面的應(yīng)用[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1993年04期

6 王繼成;呂維雪;;基于符號神經(jīng)網(wǎng)絡(luò)的心臟疾病自動(dòng)診斷[J];北京生物醫(yī)學(xué)工程;1993年03期

7 劉子皇;;胞神經(jīng)與類胞神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)范圍的準(zhǔn)確估計(jì)[J];中山大學(xué)研究生學(xué)刊(自然科學(xué)版);1995年03期

8 鄒睿,歐陽楷,劉悅;神經(jīng)網(wǎng)絡(luò)中的微心理學(xué)——兼論人工神經(jīng)網(wǎng)絡(luò)框架[J];山東生物醫(yī)學(xué)工程;1998年01期

9 鄒凌云;王正志;黃教民;;基于位置特異性譜和輸入加權(quán)神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)亞細(xì)胞定位預(yù)測(英文)[J];遺傳學(xué)報(bào);2007年12期

10 成剛;吳小玲;夏杰;張炯;肖富男;崔燕南;周荃;劉永康;李珊;;基于神經(jīng)網(wǎng)絡(luò)的環(huán)孢素血藥濃度預(yù)測[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2009年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

  本文關(guān)鍵詞：基于正則化稀疏模型和深度神經(jīng)網(wǎng)絡(luò)的fMRI數(shù)據(jù)特征選擇方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：481111