本文選題：阿茲海默病診斷 + 特征選擇�。� 參考：《計(jì)算機(jī)應(yīng)用研究》2017年04期

【摘要】：針對(duì)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(zhǔn)確地對(duì)疾病患者進(jìn)行診斷。算法首先基于先驗(yàn)知識(shí)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(gè)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(xué)習(xí)框架中進(jìn)行特征選擇;最后,將約簡(jiǎn)得到的降維矩陣送入支持向量機(jī)(SVM)中對(duì)阿茲海默癥患者進(jìn)行確診。通過對(duì)Alzheimer’s disease neuroimaging initiative(ANDI)的研究數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)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(jī)(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(xué)計(jì)算機(jī)與電子信息學(xué)院;廣西師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院;
【基金】：國(guó)家“973”計(jì)劃資助項(xiàng)目(2013CB329404) 中國(guó)博士后科學(xué)基金資助項(xiàng)目(2015M570837) 廣西自然科學(xué)基金資助項(xiàng)目(2012GXNSFGA060004,2015GXNSFCB139011) 國(guó)家自然科學(xué)基金資助項(xiàng)目(61450001,61263035,61573270)
【分類號(hào)】：R749.16;TP18

【相似文獻(xiàn)】

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(xué)信息學(xué)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(jì)算機(jī)應(yīng)用研究;2012年06期

3 邵歡;李國(guó)正;劉國(guó)萍;王憶勤;;多標(biāo)記中醫(yī)問診數(shù)據(jù)的癥狀選擇[J];中國(guó)科學(xué):信息科學(xué);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(jī)的P300識(shí)別算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

5 蔡立軍;沈小喬;林亞平;蔣林波;;一種改進(jìn)的基因表達(dá)數(shù)據(jù)分類方法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)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(dòng)選擇算法研究[J];航天醫(yī)學(xué)與醫(yī)學(xué)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(xué)數(shù)據(jù)的模式選擇算法研究[J];生物醫(yī)學(xué)工程學(xué)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(cè)方法的研究進(jìn)展[J];北京生物醫(yī)學(xué)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(xué)學(xué)報(bào);2011年06期

10 ;[J];;年期

相關(guān)會(huì)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(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

2 李長(zhǎng)升;盧漢清;;排序?qū)W習(xí)模型中的特征選擇[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)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(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)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(dá)飛機(jī)架次判別中的應(yīng)用[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

5 李澤輝;聶生東;陳兆學(xué);;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實(shí)驗(yàn)研究[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

6 蒙新泛;王厚峰;;主客觀識(shí)別中的上下文因素的研究[A];中國(guó)計(jì)算機(jī)語(yǔ)言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

7 萬(wàn)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(xué)術(shù)交流會(huì)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(hào)音色模型研究[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

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

10 申f;楊宏暉;袁帥;;用于水聲目標(biāo)識(shí)別的互信息無(wú)監(jiān)督特征選擇[A];第三屆上海——西安聲學(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)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(xué);2015年

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

4 代琨;基于支持向量機(jī)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(xué);2013年

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

6 王博;文本分類中特征選擇技術(shù)的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);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(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

8 高青斌;蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)相關(guān)問題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

9 馮國(guó)忠;文本分類中的貝葉斯特征選擇[D];東北師范大學(xué);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(xué)習(xí)研究[D];清華大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

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

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

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

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

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

7 王虎;基于試驗(yàn)設(shè)計(jì)的白酒譜圖特征選擇及支持向量機(jī)參數(shù)優(yōu)化研究[D];南京財(cái)經(jīng)大學(xué);2015年

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

9 皮陽(yáng);基于聲音的生物種群識(shí)別[D];電子科技大學(xué);2015年

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

，

本文編號(hào)：1885062