典型文献
基于组稀疏联合学习的影像遗传学数据关联分析
文献摘要：
影像遗传学的发展很大程度上促进精神类疾病的研究,其主要是分析并挖掘多模态数据以找出与疾病相关的致病机制,但是此类数据的特征之间通常呈现出群组相关或者多个特征相关的特性,传统的方法很难找出具有相关性的疾病机制,易出现过稀疏的问题.针对上述问题,本文引入可以实现组内稀疏和组间平滑的正则化项l1,2范数,并将其与可以实现组间稀疏和组内平滑的l2,1范数联合共同惩罚典型相关分析,通过优化数据之间的相关性实现具有相关性的群组特征和组内特征之间的两模态数据集的特征选择.仿真实验结果表明,本文方法在较准确地估计出2组数据之间的相关系数的同时可选择出具有相关性的组间特征和组内特征;在真实的精神分裂症数据集上,本文方法可找出更多的与精神分裂症相关的易感基因和风险脑区.
文献关键词：
l1;2范数;l2;1范数;相关性;组稀疏典型相关分析;特征选择
中图分类号：
作者姓名：
赵迎利;朱旭
作者机构：
西安交通大学城市学院数学教研室,陕西 西安 710018;西安交通大学数学与统计学院,陕西 西安 710049
文献出处：
引用格式：
[1]赵迎利;朱旭-.基于组稀疏联合学习的影像遗传学数据关联分析)[J].计算机与现代化,2022(08):43-49
A类：
群组相关,组内稀疏,组稀疏典型相关分析
B类：
联合学习,影像遗传学,数据关联,精神类疾病,多模态数据,疾病相关,致病机制,正则化,l1,范数,组间稀疏,内平,l2,数联,合共,内特,特征选择,精神分裂症,易感基因,脑区
AB值：
0.297166
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。
