本文選題：阿茲海默病診斷 + 特征選擇��； 參考：《計算機應(yīng)用研究》2017年04期

【摘要】：針對神經(jīng)性疾病難以確診的問題,提出了一種基于圖的特征選擇方法,過濾掉不相干的特征,從而方便并且準確地對疾病患者進行診斷。算法首先基于先驗知識定義了兩種基本關(guān)系(特征關(guān)系和樣本關(guān)系);然后將這兩種關(guān)系嵌入到一個由最小二次損失函數(shù)和l2-范數(shù)正則化因子組成的多任務(wù)學習框架中進行特征選擇;最后,將約簡得到的降維矩陣送入支持向量機(SVM)中對阿茲海默癥患者進行確診。通過對Alzheimer’s disease neuroimaging initiative(ANDI)的研究數(shù)據(jù)集進行實驗得知,提出算法的分類效果均優(yōu)于一般常用分類算法,如K最近鄰法(KNN)、支持向量機(SVM)等。提出的算法通過考慮特征選擇和引入兩種數(shù)據(jù)的內(nèi)在關(guān)系,有效提高了阿茲海默疾病診斷的正確率。
[Abstract]:In view of the difficult diagnosis of neural diseases, a feature selection method based on graph is proposed to filter out uncoherent features, so that the disease patients are easily and accurately diagnosed. First, two basic relationships (feature relations and sample relationships) are defined based on prior knowledge, and the two relationships are embedded in one Feature selection is performed in a multi task learning framework consisting of the minimum two loss function and the l2- norm regularization factor. Finally, the reduced dimension matrix of the reduction is sent to the support vector machine (SVM) for the diagnosis of Alzheimer's patients. Experiments on the data set of the Alzheimer 's disease neuroimaging initiative (ANDI) are carried out. The results of the proposed algorithm are better than the common common classification algorithms, such as K nearest neighbor (KNN) and support vector machine (SVM). The proposed algorithm can effectively improve the accuracy of Alzheimer's disease diagnosis by considering the characteristics selection and introducing the intrinsic relationship between the two kinds of data.

【作者單位】： 廣西大學計算機與電子信息學院;廣西師范大學計算機科學與信息工程學院;
【基金】：國家“973”計劃資助項目(2013CB329404) 中國博士后科學基金資助項目(2015M570837) 廣西自然科學基金資助項目(2012GXNSFGA060004,2015GXNSFCB139011) 國家自然科學基金資助項目(61450001,61263035,61573270)
【分類號】：R749.16;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 何蘭;范繼紅;;基因芯片數(shù)據(jù)特征選擇法研究[J];醫(yī)學信息學雜志;2012年10期

2 吳紅霞;吳悅;劉宗田;雷州;;基于Relief和SVM-RFE的組合式SNP特征選擇[J];計算機應(yīng)用研究;2012年06期

3 邵歡;李國正;劉國萍;王憶勤;;多標記中醫(yī)問診數(shù)據(jù)的癥狀選擇[J];中國科學:信息科學;2011年11期

4 楊立才;李金亮;姚玉翠;吳曉晴;;基于F-score特征選擇和支持向量機的P300識別算法[J];生物醫(yī)學工程學雜志;2008年01期

5 蔡立軍;沈小喬;林亞平;蔣林波;;一種改進的基因表達數(shù)據(jù)分類方法[J];湖南大學學報(自然科學版);2007年03期

6 劉嶠;王娟;陳偉;秦志光;;用于全基因組關(guān)聯(lián)分析的一種基因自動選擇算法研究[J];航天醫(yī)學與醫(yī)學工程;2010年04期

7 李昕;趙春;王惠惠;趙芳芳;;一種面向生物信息學數(shù)據(jù)的模式選擇算法研究[J];生物醫(yī)學工程學雜志;2011年05期

8 高智勇,龔健雅,秦前清,林家瑞;惡性腫瘤相關(guān)改變檢測方法的研究進展[J];北京生物醫(yī)學工程;2005年02期

9 周華英;張啟蕊;羅漫;王鶴嫻;;醫(yī)藥文本分類特征選擇的研究[J];遼寧中醫(yī)藥大學學報;2011年06期

10 ;[J];;年期

相關(guān)會議論文 前10條

1 靖紅芳;王斌;楊雅輝;;基于類別分布的特征選擇框架[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

2 李長升;盧漢清;;排序?qū)W習模型中的特征選擇[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

3 劉功申;李建華;李生紅;;基于類信息的特征選擇和加權(quán)方法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2004年

4 倪友平;王思臣;馬桂珍;陳曾平;;分支界定算法在低分辨雷達飛機架次判別中的應(yīng)用[A];第十三屆全國信號處理學術(shù)年會（CCSP-2007）論文集[C];2007年

5 李澤輝;聶生東;陳兆學;;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實驗研究[A];中國儀器儀表學會第九屆青年學術(shù)會議論文集[C];2007年

6 蒙新泛;王厚峰;;主客觀識別中的上下文因素的研究[A];中國計算機語言學研究前沿進展（2007-2009）[C];2009年

7 萬京;王建東;;一種基于新的差異性度量的ReliefF方法[A];2009年研究生學術(shù)交流會通信與信息技術(shù)論文集[C];2009年

8 范麗;許潔萍;;基于GMM的音樂信號音色模型研究[A];第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文集[C];2008年

9 陳友;戴磊;程學旗;;基于MRMHC-C4．5的IP流分類[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

10 申f;楊宏暉;袁帥;;用于水聲目標識別的互信息無監(jiān)督特征選擇[A];第三屆上�！靼猜晫W學會學術(shù)會議論文集[C];2013年

相關(guān)博士學位論文 前10條

1 李靜;高維數(shù)據(jù)交互特征選擇和分類研究[D];燕山大學;2015年

2 劉風;基于磁共振成像的多變量模式分析方法學與應(yīng)用研究[D];電子科技大學;2014年

3 王石平;粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究[D];電子科技大學;2014年

4 代琨;基于支持向量機的網(wǎng)絡(luò)數(shù)據(jù)特征選擇技術(shù)研究[D];解放軍信息工程大學;2013年

5 王愛國;微陣列基因表達數(shù)據(jù)的特征分析方法研究[D];合肥工業(yè)大學;2015年

6 王博;文本分類中特征選擇技術(shù)的研究[D];國防科學技術(shù)大學;2009年

7 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學研究中的應(yīng)用[D];華東理工大學;2011年

8 高青斌;蛋白質(zhì)亞細胞定位預(yù)測相關(guān)問題研究[D];國防科學技術(shù)大學;2006年

9 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學;2011年

10 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

相關(guān)碩士學位論文 前10條

1 周瑞;基于支持向量機特征選擇的移動通信網(wǎng)絡(luò)問題分析[D];華南理工大學;2015年

2 張金蕾;蛋白質(zhì)SUMO化修飾位點預(yù)測的數(shù)據(jù)挖掘技術(shù)研究[D];西北農(nóng)林科技大學;2015年

3 陳云風;基于聚類集成技術(shù)的高鐵信號故障診斷研究[D];西南交通大學;2015年

4 張斌斌;網(wǎng)絡(luò)股評的傾向性分析[D];中央民族大學;2015年

5 季金勝;高分辨率遙感影像典型地物目標的特征選擇及其穩(wěn)定性研究[D];上海交通大學;2015年

6 袁玉錄;基于數(shù)據(jù)分類的網(wǎng)絡(luò)通信行為建模方法研究[D];電子科技大學;2015年

7 王虎;基于試驗設(shè)計的白酒譜圖特征選擇及支持向量機參數(shù)優(yōu)化研究[D];南京財經(jīng)大學;2015年

8 王維智;基于特征提取和特征選擇的級聯(lián)深度學習模型研究[D];哈爾濱工業(yè)大學;2015年

9 皮陽;基于聲音的生物種群識別[D];電子科技大學;2015年

10 劉樹龍;特征選擇在軟件缺陷預(yù)測中的應(yīng)用技術(shù)研究[D];南京大學;2015年

，

本文編號：1885062