典型文献
基于显著稀疏强关联的脑功能连接分类方法
文献摘要：
针对脑功能连接数据维度过高、冗余特征过多影响神经网络分类准确率的问题,提出一种基于显著稀疏强关联的脑功能连接分类方法.该方法利用显著特征稀疏模块对原始特征进行筛选增强;采用稀疏强关联特征上下文融合模块对不同感受野内的显著特征信息进行聚合;使用全连接神经网络进行分类预测.在ABIDE以及ADHD-200数据集上的实验结果表明,所提方法相较于现有的脑功能连接分类算法在准确率上分别提升了10.41％和12.50％.重要特征的可视化结果表明所提方法能准确定位与疾病相关的脑区,具有一定实际应用价值.
文献关键词：
显著特征识别;特征筛选;特征增强;特征融合;脑功能连接分类
中图分类号：
作者姓名：
李明;段立娟;王文健;恩擎
作者机构：
北京工业大学信息学部,北京100124;可信计算北京市重点实验室,北京100124;信息安全等级保护关键技术国家工程实验室,北京100124;卡尔顿大学计算机学院,人工智能与机器学习实验室,加拿大渥太华K1S 5B6
文献出处：
引用格式：
[1]李明;段立娟;王文健;恩擎-.基于显著稀疏强关联的脑功能连接分类方法)[J].浙江大学学报（工学版）,2022(11):2232-2240,2250
A类：
脑功能连接分类,显著特征识别
B类：
分类方法,连接数,数据维度,冗余特征,神经网络分类,分类准确率,法利,特征稀疏,关联特征,上下文融合模块,感受野,特征信息,全连接神经网络,分类预测,ABIDE,ADHD,分类算法,准确定位,疾病相关,脑区,特征筛选,特征增强,特征融合
AB值：
0.317572
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
