本文關(guān)鍵詞：加權(quán)Fast Newman模塊化算法在人腦結(jié)構(gòu)網(wǎng)絡(luò)中的應(yīng)用　出處：《計(jì)算機(jī)應(yīng)用》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 模塊結(jié)構(gòu) Fast Newman算法 加權(quán)網(wǎng)絡(luò) 模塊度 人腦結(jié)構(gòu)網(wǎng)絡(luò)

【摘要】：針對(duì)二值人腦結(jié)構(gòu)網(wǎng)絡(luò)的模塊化方法不足以反映復(fù)雜的人腦生理特征這一問(wèn)題,提出一種基于Fast Newman二值算法的加權(quán)腦網(wǎng)絡(luò)模塊化算法。該算法以凝聚節(jié)點(diǎn)的層次聚類思想為基礎(chǔ),以腦網(wǎng)絡(luò)中單個(gè)腦區(qū)節(jié)點(diǎn)的權(quán)重值和腦網(wǎng)絡(luò)總權(quán)重值為主要依據(jù)構(gòu)建加權(quán)模塊度評(píng)價(jià)指標(biāo),并將其增量作為度量值來(lái)確定加權(quán)腦網(wǎng)絡(luò)中節(jié)點(diǎn)的合并從而實(shí)現(xiàn)模塊劃分。將該算法應(yīng)用于60個(gè)健康人的組平均數(shù)據(jù)中的實(shí)驗(yàn)結(jié)果顯示,與二值人腦網(wǎng)絡(luò)模塊化結(jié)果相對(duì)比,所提算法得到的模塊度提高了28%,并且模塊內(nèi)部和模塊外部的特征區(qū)分更加明顯,所得到的人腦模塊也更符合已知的人腦生理特性;而與現(xiàn)有的兩種加權(quán)模塊化算法實(shí)驗(yàn)對(duì)比結(jié)果表明,所提算法在合理劃分人腦網(wǎng)絡(luò)模塊結(jié)構(gòu)的同時(shí)也小幅提高了模塊度。
【作者單位】： 昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61263017) 云南省自然科學(xué)基金資助項(xiàng)目(2011FZ060)~~
【分類號(hào)】：R338;TP301.6
【正文快照】： 0引言人腦是自然界最復(fù)雜的系統(tǒng)之一,負(fù)責(zé)人體的感知覺(jué)、語(yǔ)言、思維、情感、運(yùn)動(dòng)等各種功能和活動(dòng),科研工作者一直致力于使用各種新技術(shù)來(lái)研究和探索人腦的工作原理和運(yùn)行機(jī)制。近年來(lái)基于核磁共振成像(Magnetic Resonance Imaging,MRI)的人腦結(jié)構(gòu)重建技術(shù)[1]因其無(wú)創(chuàng)性的檢測(cè)，

本文編號(hào)：1320171