脑网络分类中的改进图核

发布时间：2023-02-19 15:16

　　目前在用图核进行的脑网络分类研究中,所用图核没有考虑拓扑结构中对应节点是否相同的问题,使脑网络分类不够准确.本文提出一种新型图核(称其为改进图核),将每个路径中的节点加上标签信息并通过网络中加入节点标签的最短路径的长度和路径上节点的标签来判断两个脑网络的相似性,能够更有效地反映脑网络之间拓扑结构的差异性.为了验证改进图核的有效性,在脑网络数据集上进行了实验,并与最短路径核、子树核、多频融合图核和特征选择图核进行了对比实验.改进图核与子树核、多频融合图核、特征选择图核和最短路径核相比,其计算得到的平均相似度分别降低了67.06%、69.78%、70.20%和88.72%,说明改进图核的判断更精确.实验结果表明:本文提出的改进图核能够更有效地区分两类脑网络数据之间的差异性,提高了脑网络分类的准确性.

【文章页数】：4 页

【文章目录】：
1 引言
2 改进图核研究
    2.1 图核简介
        2.1.1 图核的作用
        2.1.2 构建图核的理论基础
    2.2 图的分解算法
    2.3 子结构相似性度量函数设计
    2.4 改进图核的提出与设计
        2.4.1 改进图核的提出
        2.4.2 改进图核表达形式
3 实验及结果分析
    3.1 实验数据
    3.2 实验过程及结果分析
        3.2.1 实验设计
        3.2.2 实验过程及结果
        3.2.3 实验结果分析
4 总结



本文编号：3746456