面向脑网络的不确定图挖掘及特征选择方法研究

发布时间：2021-08-29 15:56

　　目前,人类已经对其所处的自然界有了广泛而深刻的认知。在人类认识世界的过程中,逐渐形成了研究各个领域的学科,如物理学、化学、生物学,在这些学科中人们取得了举世瞩目的成就。而这些成就的取得依赖于一个异常复杂的系统:大脑。由于人脑的复杂性及其特殊性,人们对于大脑的奥秘依然所知甚少。近年来,随着科技的发展和研究水平的提高,越来越多的研究人员开始投入到大脑的研究中,这一领域也被认为有着广阔的研究前景。对大脑的研究,通常集中于脑疾病方面,如抑郁症（Major Depressive Disorder,MDD）。以往典型的是采用脑网络的方法,构建脑网络的确定图,并在确定图上进行频繁子图挖掘和判别性特征选择。但是,由于脑网络的连接结构具有内在的不确定性,如果利用阈值方法直接将其转化成确定图,无论是单阈值还是多阈值,都会造成信息的丢失。若将脑网络构建成不确定图,已有的不确定图频繁子图挖掘算法,主要是面向一般图而设计,忽略了脑网络自身的特点,如脑网络结点的唯一性,这可能影响到脑网络分类的性能。另外,对不确定图的频繁子图模式进行判别性特征选择,确定图中的方法不适用,目前还没有非常有效的方法。针对上述问题,本研... 

【文章来源】：太原理工大学山西省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 静息态功能脑网络的研究
        1.2.2 脑网络的构建
        1.2.3 频繁子图挖掘
        1.2.4 判别性特征选择方法
    1.3 本文主要创新工作
    1.4 本文章节的组织结构与安排
    1.5 本章小结
第二章 静息态功能脑网络的构建
    2.1 数据的采集与预处理
        2.1.1 实验数据的采集及扫描参数的设置
        2.1.2 数据的预处理
    2.2 脑网络的构建
        2.2.1 节点定义
        2.2.2 边的定义
        2.2.3 网络构建
    2.3 本章小结
第三章 面向脑网络的频繁子图挖掘
    3.1 确定图中的频繁子图挖掘
        3.1.1 相关概念
        3.1.2 算法的基本原理
    3.2 不确定图中的频繁子图挖掘
        3.2.1 相关定义及定理
        3.2.2 算法概述
    3.3 本章小结
第四章 面向脑网络的判别性特征选择方法
    4.1 确定图中的判别性特征选择方法
    4.2 不确定图中的判别性特征选择方法
    4.3 实验结果的比较与分析
        4.3.1 实验设置
        4.3.2 实验结果及分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录1：AAL模板部分脑区编号及中英文名称
致谢
攻读学位期间发表的论文


【参考文献】：
期刊论文
[1]面向脑网络的新型图核及其在MCI分类上的应用[J]. 接标,张道强.  计算机学报. 2016(08)
[2]抑郁症复杂脑网络社团结构差异分析及分类研究[J]. 郭浩,李越,刘志芬,曹晓华,陈俊杰.  计算机工程与设计. 2013(08)
[3]抑郁症功能脑网络社团结构差异分析研究[J]. 李越,郭浩,陈俊杰,李海芳.  计算机应用与软件. 2013(07)



本文编号：3370945