本文關鍵詞：基于隨機結構稀疏的磁共振腦影像數(shù)據(jù)的特征選擇算法

  更多相關文章： 稀疏優(yōu)化 穩(wěn)定性選擇 約束隨機子采樣結構稀疏 模式識別 高維問題

【摘要】：目前,稀疏優(yōu)化算法近來是學術界研究的熱點之一,被廣泛應用于自然圖像處理、信號壓縮感知、計算機視覺和醫(yī)學影響處理領域。與此同時,稀疏編碼與正則化的方法在醫(yī)學影像分析領域被用來解決很多問題,例如,圍繞人類大腦MRI數(shù)據(jù)針對正常人腦不同的狀態(tài)進行模式識別,或是不同被試的腦部疾病狀況等模式識別問題。但是在MRI數(shù)據(jù)問題當中,由于數(shù)據(jù)樣本數(shù)量要遠遠少于每個樣本的特征數(shù)目,對該問題的求解往往會產(chǎn)生過擬合的問題,即所謂的維數(shù)災難,從而嚴重影響數(shù)據(jù)分析的質量。針對高維小樣本這個挑戰(zhàn)性的任務,LASSO模型被廣泛應用于解決高維變量選擇的問題,以LASSO模型為基線的穩(wěn)定性選擇思想較大程度上的克服了LASSO模型存在的問題,但是針對MRI數(shù)據(jù)本身存在的特點,仍然存在不能有效克服其變量之間的高度相關性(即多重共線性)、假陰性控制差等問題。本文主要利用稀疏優(yōu)化算法的思想,基于穩(wěn)定性選擇的框架,針對人類大腦MRI數(shù)據(jù)具有局部連續(xù)性和相關性的特點,尋找先驗結構信息,將稀疏概念擴展到結構稀疏,對MRI數(shù)據(jù)進行約束塊隨機子采樣,提出了隨機結構稀疏(Randomized Structural Sparsity,RSS)的算法框架。本文的貢獻為:1提出了一個廣泛實用的算法框架思想;2在建模階段,尋找并利用數(shù)據(jù)內(nèi)在的結構先驗信息;3針對MRI高維小樣本數(shù)據(jù),在繼承穩(wěn)定性選擇有效控制變量選擇假陽性的基礎之上,顯著提升對假陰性的控制;4與單變量方法(T檢驗)和多變量方法進行對比實驗,得到的結果更好,并且具有更高的可解釋性。本文給出MRI數(shù)據(jù)實驗的結果來驗證算法的有效性和可靠性。
【關鍵詞】：稀疏優(yōu)化 穩(wěn)定性選擇 約束隨機子采樣結構稀疏 模式識別 高維問題
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R445.2
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.2.1 簡介壓縮感知及稀疏模型10
• 1.2.2 基于LASSO的變量選擇方法10-11
• 1.2.3 穩(wěn)定性選擇及變量選擇的錯誤控制11
• 1.3 本文所做工作及內(nèi)容安排11-13
• 第二章 變量的穩(wěn)定性選擇13-18
• 2.1 LASSO模型的變量選擇13-14
• 2.2 穩(wěn)定性選擇14-15
• 2.3 稀疏模型的擴展15-17
• 2.3.1 彈性網(wǎng)15-16
• 2.3.2 隨機ward邏輯回歸16
• 2.3.3 對列的子采樣16-17
• 2.4 本章小結17-18
• 第三章 約束塊子采樣——隨機結構稀疏18-23
• 3.1 算法的詳細闡述18-21
• 3.1.1 算法關鍵成分之一：基于塊子采樣的穩(wěn)定性選擇19
• 3.1.2 算法關鍵成分之二： 引入結構信息19-21
• 3.2 算法框架21
• 3.3 本章小結21-23
• 第四章 相關數(shù)據(jù)實驗及結果23-44
• 4.1 Haxby認知數(shù)據(jù)實驗23-29
• 4.1.1 實驗數(shù)據(jù)及設計23-24
• 4.1.2 實驗結果及分析24-29
• 4.2 基于體素的孤獨癥多中心數(shù)據(jù)實驗29-38
• 4.2.1 孤獨癥實驗設計及數(shù)據(jù)預處理29-30
• 4.2.2 算法參數(shù)設定及閾值方法30-31
• 4.2.3 評估準則31
• 4.2.4 聚類結果和RSS特征選擇結果穩(wěn)定性分析31-34
• 4.2.5 不同算法結果一致性的比較分析34-37
• 4.2.6 基于生物標記物的結果討論37-38
• 4.3 基于功能連接的孤獨癥多中心數(shù)據(jù)實驗38-43
• 4.3.1 實驗數(shù)據(jù)選擇及預處理38-39
• 4.3.2 全腦功能連接的計算39
• 4.3.3 基于模塊化的腦網(wǎng)絡結構的探測39
• 4.3.4 算法相關參數(shù)的調整與設置39-40
• 4.3.5 一致穩(wěn)定的功能連接特征和相應具有判別能力的區(qū)域40-41
• 4.3.6 對測試中心數(shù)據(jù)進行分類——特征選擇評估41-43
• 4.4 本章小結43-44
• 第五章 總結和展望44-45
• 5.1 總結44
• 5.2 展望44-45
• 致謝45-46
• 參考文獻46-50
• 攻讀碩士期間主要研究成果50-51

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 喬紅威;呂震宙;;平穩(wěn)隨機激勵下隨機結構動力可靠性分析[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

2 陳建軍;馬洪波;馬娟;張建國;王敏娟;;基于隨機因子的結構分析方法[A];第20屆全國結構工程學術會議論文集（第Ⅰ冊）[C];2011年

3 陳穎;農(nóng)紹寧;王東升;;隨機結構在隨機載荷下的振動響應分析[A];第八屆全國振動理論及應用學術會議論文集摘要[C];2003年

4 趙衛(wèi);劉濟科;;隨機結構可靠度分析的支持向量機方法[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

5 喬紅威;呂震宙;;平穩(wěn)隨機激勵下隨機結構動力可靠性分析[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 吳存利;隨機結構與隨機動力系統(tǒng)中的響應、分岔與混沌及其控制[D];西北工業(yè)大學;2007年

2 雒衛(wèi)廷;基于完全概率的隨機結構分析與可靠性研究[D];西安電子科技大學;2007年

3 胡太彬;隨機結構動力分析與動力可靠性優(yōu)化設計[D];西安電子科技大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 陳U喥，

本文編號：622074