基于萤火虫算法的脑效应连接网络学习方法研究

发布时间：2021-01-03 20:12

　　脑效应连接网络学习是人脑连接组研究的一个重要研究课题,准确地识别脑效应连接网络对于脑疾病的诊断以及病理研究意义重大。到目前为止,科研人员已经提出了多种识别脑效应连接网络的方法。其中,基于贝叶斯网（Bayesian Network,BN）的学习方法采用无监督的数据驱动方法构建脑效应连接网络,已经成为一个新的研究热点,但是该类方法存在易陷入局部最优,方向识别准确率低等问题。为了克服上述缺陷,已有学者将全局随机搜索的群智能方法与贝叶斯网模型学习相结合来完成脑效应连接网络的学习,取得了不错的效果,得到了质量较高的脑效应连接网络。本课题基于萤火虫算法（Firefly Algorithm,FA）的思想开展以下两个方面的研究工作:（1）提出了一种带有繁殖机制的脑效应连接网络萤火虫学习方法（Firefly algorithm with reproductive mechanism for learning brain effective connectivity network,FAR-EC）,新方法主要是通过萤火虫种群的迭代寻优机制,搜索最佳的脑效应连接网络结构。首先,将每个萤火虫个体初始化为仅含有... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

萤火虫个体i随机移动实例

北京工业大学工学硕士学位论文对参数 lstep的测试结果如图 3-5(e)所示。由图 3-5(e)可得，lstep取值的变化对算法性能的影响相对较大。通过比较可得，当 lstep取值为 2、10 时，FAR-EC 算法在各组数据上的 Fd能够取得前 3 位的成绩，即算法对于方向的识别能力达到最强。但值得注意的是，参数 lstep控制进行繁殖操作的频率，而进行过多次繁殖操作会大大提高算法的时间复杂度。因此，综合考虑我们将 lstep取值为 10。

北京工业大学工学硕士学位论文本章选择了 16 个相关的感兴趣区域，具体如表 3-11 所示，16 个 ROI 主要分布在三个脑叶即额叶、顶叶、颞叶。在本章中，我们将每一个感兴趣区域作为脑效应连接网络中的一个节点。1 2 3 4 5 6 7 8 9 101112131415161 2 3 4 5 6 7 8 9 10111213141516

【参考文献】：
期刊论文
[1]HMOFA:一种混合型多目标萤火虫算法[J]. 谢承旺,肖驰,丁立新,夏学文,朱建勇,张飞龙.  软件学报. 2018(04)
[2]阿尔茨海默症患者额顶叶控制系统脑网络异常[J]. 周鹏,朱浩泽,倪红艳,陈元园,王学民,綦宏志,何峰,明东.  科学通报. 2016(32)
[3]发展认知神经科学:人脑毕生发展的功能连接组学时代[J]. 颜志雄,刘勋,谭淑平,谭云龙,魏高峡,杨志,左西年.  科学通报. 2016(07)
[4]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏.  自动化学报. 2016(01)
[5]阿尔茨海默病静息态默认模式网络研究[J]. 韩利坤,姚婧璠,李越秀,陈红燕,韩在柱,毕颜超,张玉梅.  中国医刊. 2014(09)
[6]人脑功能连接组:方法学、发展轨线和行为关联[J]. 左西年,张喆,贺永,臧玉峰.  科学通报. 2012(35)

博士论文
[1]基于群智能算法的人脑功能划分方法研究[D]. 赵学武.北京工业大学 2018
[2]面向认知功能的脑效应网络方法及应用研究[D]. 董群喜.兰州大学 2017
[3]基于功能磁共振成像的脑连接分析[D]. 李宝娟.国防科学技术大学 2012



本文编号：2955416