正常衰老的人脑功能网络演化模型

发布时间：2021-04-28 05:26

　　为了对正常衰老的人脑功能网络（NABFN）的拓扑结构变化进行探究,提出一种基于朴素贝叶斯的网络演化模型（NBM）。首先,依据朴素贝叶斯（NB）的链路预测算法与解剖距离来定义节点间存在连边的概率;其次,利用特定的网络演化算法,在青年人的脑功能网络基础上,通过不断地增加连边来逐步得到相应中年及老年时期的模拟网络;最后,为了对模拟网络与真实网络间的相似程度进行评价,提出网络相似指标（SI）值。仿真实验结果表明,与基于共同邻居的网络演化模型（CNM）相比,NBM构建的模拟网络与真实网络间的SI值（4.479 4, 3.402 1）高于CNM模拟网络对应的SI值（4.100 4, 3.013 2）;并且,两者模拟网络的SI值均明显高于随机网络演化算法所得模拟网络的SI值（1.892 0, 1.591 2）。实验结果证实NBM能够更为准确地预测出NABFN的拓扑结构变化过程。 

【文章来源】：计算机应用. 2019,39(04)北大核心CSCD

【文章页数】：9 页

【文章目录】：
0 引言
1 研究现状
2 网络演化模型定义
    2.1 网络模型构建的理论依据
    2.2 基于共同邻居的网络演化模型
    2.3 基于朴素贝叶斯的网络演化模型
3 网络演化算法设计
    3.1 网络演化算法
    3.2 随机网络演化算法
4 实验与结果
    4.1 样本选取与预处理
    4.2 脑功能网络构建
    4.3 模型性能评价指标
    4.4 真实网络拓扑属性分析
    4.5 NBM和CNM性能对比
    4.6 NBM模拟网络属性分析
    4.7 不同网络演化算法对比
    4.8 节点度分布
5 结语


【参考文献】：
期刊论文
[1]Link Prediction in Brain Networks Based on a Hierarchical Random Graph Model[J]. Yanli Yang,Hao Guo,Tian Tian,Haifang Li.  Tsinghua Science and Technology. 2015(03)
[2]静息态脑功能网络的社团结构研究[J]. 王艳群,李海芳,郭浩,陈俊杰.  计算机应用. 2012(07)



本文编号：3164889