基于多图核的迁移学习方法

发布时间：2021-10-14 22:32

　　医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍（ASD）多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能. 

【文章来源】：模式识别与人工智能. 2020,33(06)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 基于多图核的迁移学习方法
    1.1 数据预处理与脑网络构建
    1.2 基于多图核的多源域迁移学习方法
        1.2.1 多图核学习
        1.2.2 基于模型的多源域迁移学习
2 实验及结果分析
3 结 束 语



本文编号：3436940