面向腦網(wǎng)絡(luò)的不確定圖挖掘及特征選擇方法研究
發(fā)布時間:2021-08-29 15:56
目前,人類已經(jīng)對其所處的自然界有了廣泛而深刻的認(rèn)知。在人類認(rèn)識世界的過程中,逐漸形成了研究各個領(lǐng)域的學(xué)科,如物理學(xué)、化學(xué)、生物學(xué),在這些學(xué)科中人們?nèi)〉昧伺e世矚目的成就。而這些成就的取得依賴于一個異常復(fù)雜的系統(tǒng):大腦。由于人腦的復(fù)雜性及其特殊性,人們對于大腦的奧秘依然所知甚少。近年來,隨著科技的發(fā)展和研究水平的提高,越來越多的研究人員開始投入到大腦的研究中,這一領(lǐng)域也被認(rèn)為有著廣闊的研究前景。對大腦的研究,通常集中于腦疾病方面,如抑郁癥(Major Depressive Disorder,MDD)。以往典型的是采用腦網(wǎng)絡(luò)的方法,構(gòu)建腦網(wǎng)絡(luò)的確定圖,并在確定圖上進(jìn)行頻繁子圖挖掘和判別性特征選擇。但是,由于腦網(wǎng)絡(luò)的連接結(jié)構(gòu)具有內(nèi)在的不確定性,如果利用閾值方法直接將其轉(zhuǎn)化成確定圖,無論是單閾值還是多閾值,都會造成信息的丟失。若將腦網(wǎng)絡(luò)構(gòu)建成不確定圖,已有的不確定圖頻繁子圖挖掘算法,主要是面向一般圖而設(shè)計,忽略了腦網(wǎng)絡(luò)自身的特點(diǎn),如腦網(wǎng)絡(luò)結(jié)點(diǎn)的唯一性,這可能影響到腦網(wǎng)絡(luò)分類的性能。另外,對不確定圖的頻繁子圖模式進(jìn)行判別性特征選擇,確定圖中的方法不適用,目前還沒有非常有效的方法。針對上述問題,本研...
【文章來源】:太原理工大學(xué)山西省 211工程院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 靜息態(tài)功能腦網(wǎng)絡(luò)的研究
1.2.2 腦網(wǎng)絡(luò)的構(gòu)建
1.2.3 頻繁子圖挖掘
1.2.4 判別性特征選擇方法
1.3 本文主要創(chuàng)新工作
1.4 本文章節(jié)的組織結(jié)構(gòu)與安排
1.5 本章小結(jié)
第二章 靜息態(tài)功能腦網(wǎng)絡(luò)的構(gòu)建
2.1 數(shù)據(jù)的采集與預(yù)處理
2.1.1 實(shí)驗(yàn)數(shù)據(jù)的采集及掃描參數(shù)的設(shè)置
2.1.2 數(shù)據(jù)的預(yù)處理
2.2 腦網(wǎng)絡(luò)的構(gòu)建
2.2.1 節(jié)點(diǎn)定義
2.2.2 邊的定義
2.2.3 網(wǎng)絡(luò)構(gòu)建
2.3 本章小結(jié)
第三章 面向腦網(wǎng)絡(luò)的頻繁子圖挖掘
3.1 確定圖中的頻繁子圖挖掘
3.1.1 相關(guān)概念
3.1.2 算法的基本原理
3.2 不確定圖中的頻繁子圖挖掘
3.2.1 相關(guān)定義及定理
3.2.2 算法概述
3.3 本章小結(jié)
第四章 面向腦網(wǎng)絡(luò)的判別性特征選擇方法
4.1 確定圖中的判別性特征選擇方法
4.2 不確定圖中的判別性特征選擇方法
4.3 實(shí)驗(yàn)結(jié)果的比較與分析
4.3.1 實(shí)驗(yàn)設(shè)置
4.3.2 實(shí)驗(yàn)結(jié)果及分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄1:AAL模板部分腦區(qū)編號及中英文名稱
致謝
攻讀學(xué)位期間發(fā)表的論文
【參考文獻(xiàn)】:
期刊論文
[1]面向腦網(wǎng)絡(luò)的新型圖核及其在MCI分類上的應(yīng)用[J]. 接標(biāo),張道強(qiáng). 計算機(jī)學(xué)報. 2016(08)
[2]抑郁癥復(fù)雜腦網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)差異分析及分類研究[J]. 郭浩,李越,劉志芬,曹曉華,陳俊杰. 計算機(jī)工程與設(shè)計. 2013(08)
[3]抑郁癥功能腦網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)差異分析研究[J]. 李越,郭浩,陳俊杰,李海芳. 計算機(jī)應(yīng)用與軟件. 2013(07)
本文編號:3370945
【文章來源】:太原理工大學(xué)山西省 211工程院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 靜息態(tài)功能腦網(wǎng)絡(luò)的研究
1.2.2 腦網(wǎng)絡(luò)的構(gòu)建
1.2.3 頻繁子圖挖掘
1.2.4 判別性特征選擇方法
1.3 本文主要創(chuàng)新工作
1.4 本文章節(jié)的組織結(jié)構(gòu)與安排
1.5 本章小結(jié)
第二章 靜息態(tài)功能腦網(wǎng)絡(luò)的構(gòu)建
2.1 數(shù)據(jù)的采集與預(yù)處理
2.1.1 實(shí)驗(yàn)數(shù)據(jù)的采集及掃描參數(shù)的設(shè)置
2.1.2 數(shù)據(jù)的預(yù)處理
2.2 腦網(wǎng)絡(luò)的構(gòu)建
2.2.1 節(jié)點(diǎn)定義
2.2.2 邊的定義
2.2.3 網(wǎng)絡(luò)構(gòu)建
2.3 本章小結(jié)
第三章 面向腦網(wǎng)絡(luò)的頻繁子圖挖掘
3.1 確定圖中的頻繁子圖挖掘
3.1.1 相關(guān)概念
3.1.2 算法的基本原理
3.2 不確定圖中的頻繁子圖挖掘
3.2.1 相關(guān)定義及定理
3.2.2 算法概述
3.3 本章小結(jié)
第四章 面向腦網(wǎng)絡(luò)的判別性特征選擇方法
4.1 確定圖中的判別性特征選擇方法
4.2 不確定圖中的判別性特征選擇方法
4.3 實(shí)驗(yàn)結(jié)果的比較與分析
4.3.1 實(shí)驗(yàn)設(shè)置
4.3.2 實(shí)驗(yàn)結(jié)果及分析
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄1:AAL模板部分腦區(qū)編號及中英文名稱
致謝
攻讀學(xué)位期間發(fā)表的論文
【參考文獻(xiàn)】:
期刊論文
[1]面向腦網(wǎng)絡(luò)的新型圖核及其在MCI分類上的應(yīng)用[J]. 接標(biāo),張道強(qiáng). 計算機(jī)學(xué)報. 2016(08)
[2]抑郁癥復(fù)雜腦網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)差異分析及分類研究[J]. 郭浩,李越,劉志芬,曹曉華,陳俊杰. 計算機(jī)工程與設(shè)計. 2013(08)
[3]抑郁癥功能腦網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)差異分析研究[J]. 李越,郭浩,陳俊杰,李海芳. 計算機(jī)應(yīng)用與軟件. 2013(07)
本文編號:3370945
本文鏈接:http://sikaile.net/xiyixuelunwen/3370945.html
最近更新
教材專著