共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于相对极差的不确定脑网络特征提取与分类显示文摘近年来,脑网络被广泛应用在脑部疾病的诊断和分类中。考虑到大脑的不确定性特征,先前的研究将不确定图应用在脑网络建模中。在不确定脑网络研究中,传统的特征提取方法多采用均值、方差、极差等进行子图特征提取,但是它们存在泛化性能差以及子图间差异无法直接衡量的问题,进而影响分类准确率。因此,相对极差被提出作为新的特征提取方法。这一方法的优点在于既考虑到子图模式间的最大差异,又考虑到子图模式间的组间差异,可以有效避免传统方法的弊端。结果表明,相对极差与其他特征提取方法相比,其分类性能显著高于传统方法。同时,在不同的特征选择方法下相对极差表现出较好的分类性能,具有很强的泛化性。该研究为不确定脑网络特征提取方法提供了重要的参考意义。 | 孙超 闻敏 李鹏祖 李瑶 Ibegbu Nnamdi JULIAN 郭浩 | 2022 | 计算机工程与应用2022，58，14： | 0 |
| 2 | 基于频率排序的判别子图筛选及在精神分裂症分类中的应用显示文摘【目的】从脑网络中提取准确的判别性特征作为分类特征,可以提高SCZ的分类准确率,避免依靠量表的主观诊断造成缺陷。传统的脑网络特征如介数、聚类系数等丢失了拓扑信息,最小生成树丢失了部分脑区连接,子图虽然保留了拓扑信息,但传统的判别子图的筛选会产生部分冗余信息,进而影响分类准确率。【方法】提出一种基于频率排序的判别子图的筛选方法(frequently scoring screen, FSS),使用FSS筛选判别子图,在不损失原有判别信息的情况下,消除冗余信息。使用OpenfMRI的公开数据,对比了使用不同特征和不同分类算法的分类性能。【结果】FSS特征的分类性能优于其他传统脑网络特征,且该特征不受分类算法影响,分类准确率优于已有SCZ分类文献。 | 杨鹏飞 薛家玥 王彬 武淑红 | 2023 | 太原理工大学学报2023，54，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员