基于随机结构稀疏的磁共振脑影像数据的特征选择算法

发布时间：2017-08-04 22:25

  本文关键词：基于随机结构稀疏的磁共振脑影像数据的特征选择算法

  更多相关文章： 稀疏优化 稳定性选择 约束随机子采样结构稀疏 模式识别 高维问题

【摘要】：目前,稀疏优化算法近来是学术界研究的热点之一,被广泛应用于自然图像处理、信号压缩感知、计算机视觉和医学影响处理领域。与此同时,稀疏编码与正则化的方法在医学影像分析领域被用来解决很多问题,例如,围绕人类大脑MRI数据针对正常人脑不同的状态进行模式识别,或是不同被试的脑部疾病状况等模式识别问题。但是在MRI数据问题当中,由于数据样本数量要远远少于每个样本的特征数目,对该问题的求解往往会产生过拟合的问题,即所谓的维数灾难,从而严重影响数据分析的质量。针对高维小样本这个挑战性的任务,LASSO模型被广泛应用于解决高维变量选择的问题,以LASSO模型为基线的稳定性选择思想较大程度上的克服了LASSO模型存在的问题,但是针对MRI数据本身存在的特点,仍然存在不能有效克服其变量之间的高度相关性(即多重共线性)、假阴性控制差等问题。本文主要利用稀疏优化算法的思想,基于稳定性选择的框架,针对人类大脑MRI数据具有局部连续性和相关性的特点,寻找先验结构信息,将稀疏概念扩展到结构稀疏,对MRI数据进行约束块随机子采样,提出了随机结构稀疏(Randomized Structural Sparsity,RSS)的算法框架。本文的贡献为:1提出了一个广泛实用的算法框架思想;2在建模阶段,寻找并利用数据内在的结构先验信息;3针对MRI高维小样本数据,在继承稳定性选择有效控制变量选择假阳性的基础之上,显著提升对假阴性的控制;4与单变量方法(T检验)和多变量方法进行对比实验,得到的结果更好,并且具有更高的可解释性。本文给出MRI数据实验的结果来验证算法的有效性和可靠性。
【关键词】：稀疏优化 稳定性选择 约束随机子采样结构稀疏 模式识别 高维问题
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R445.2
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-13
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-11
• 1.2.1 简介压缩感知及稀疏模型10
• 1.2.2 基于LASSO的变量选择方法10-11
• 1.2.3 稳定性选择及变量选择的错误控制11
• 1.3 本文所做工作及内容安排11-13
• 第二章 变量的稳定性选择13-18
• 2.1 LASSO模型的变量选择13-14
• 2.2 稳定性选择14-15
• 2.3 稀疏模型的扩展15-17
• 2.3.1 弹性网15-16
• 2.3.2 随机ward逻辑回归16
• 2.3.3 对列的子采样16-17
• 2.4 本章小结17-18
• 第三章 约束块子采样——随机结构稀疏18-23
• 3.1 算法的详细阐述18-21
• 3.1.1 算法关键成分之一：基于块子采样的稳定性选择19
• 3.1.2 算法关键成分之二： 引入结构信息19-21
• 3.2 算法框架21
• 3.3 本章小结21-23
• 第四章 相关数据实验及结果23-44
• 4.1 Haxby认知数据实验23-29
• 4.1.1 实验数据及设计23-24
• 4.1.2 实验结果及分析24-29
• 4.2 基于体素的孤独症多中心数据实验29-38
• 4.2.1 孤独症实验设计及数据预处理29-30
• 4.2.2 算法参数设定及阈值方法30-31
• 4.2.3 评估准则31
• 4.2.4 聚类结果和RSS特征选择结果稳定性分析31-34
• 4.2.5 不同算法结果一致性的比较分析34-37
• 4.2.6 基于生物标记物的结果讨论37-38
• 4.3 基于功能连接的孤独症多中心数据实验38-43
• 4.3.1 实验数据选择及预处理38-39
• 4.3.2 全脑功能连接的计算39
• 4.3.3 基于模块化的脑网络结构的探测39
• 4.3.4 算法相关参数的调整与设置39-40
• 4.3.5 一致稳定的功能连接特征和相应具有判别能力的区域40-41
• 4.3.6 对测试中心数据进行分类——特征选择评估41-43
• 4.4 本章小结43-44
• 第五章 总结和展望44-45
• 5.1 总结44
• 5.2 展望44-45
• 致谢45-46
• 参考文献46-50
• 攻读硕士期间主要研究成果50-51

【相似文献】

中国重要会议论文全文数据库 前5条

1 乔红威;吕震宙;;平稳随机激励下随机结构动力可靠性分析[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 陈建军;马洪波;马娟;张建国;王敏娟;;基于随机因子的结构分析方法[A];第20届全国结构工程学术会议论文集（第Ⅰ册）[C];2011年

3 陈颖;农绍宁;王东升;;随机结构在随机载荷下的振动响应分析[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

4 赵卫;刘济科;;随机结构可靠度分析的支持向量机方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

5 乔红威;吕震宙;;平稳随机激励下随机结构动力可靠性分析[A];第九届全国振动理论及应用学术会议论文集[C];2007年

中国博士学位论文全文数据库 前3条

1 吴存利;随机结构与随机动力系统中的响应、分岔与混沌及其控制[D];西北工业大学;2007年

2 雒卫廷;基于完全概率的随机结构分析与可靠性研究[D];西安电子科技大学;2007年

3 胡太彬;随机结构动力分析与动力可靠性优化设计[D];西安电子科技大学;2005年

中国硕士学位论文全文数据库 前7条

1 陈U喥，

本文编号：622074