典型文献
面向多分类自闭症辅助诊断的标记分布学习
文献摘要：
自闭症谱性障碍(ASD)是一系列复杂的神经发展障碍性疾病,其包括若干与发育障碍相关的疾病,但是现有的自闭症辅助诊断方法大多是二分类方法,无法满足现实的需要.此外,ASD数据包含的标记噪声,以及高维度、数据分布不平衡等特点给传统分类方法带来了巨大的挑战.为此,提出一种新型的ASD辅助诊断方法,该方法通过引入标记分布学习(LDL)来解决标记噪声问题,引入代价敏感机制来解决样本不平衡问题,并采用基于支持向量回归(SVR)的标记分布学习方法,通过将样本映射到特征空间,解决高维特征带来的分类困难,最终实现多分类ASD的辅助诊断.实验结果表明,与已有方法比较,所提方法克服了多数类和少数类对结果的影响的不平衡性,可以有效地解决ASD诊断中的不平衡数据问题,拥有更好且稳定的分类性能,可以辅助ASD的诊断.
文献关键词：
自闭症谱性障碍(ASD)辅助诊断;代价敏感机制;标记分布学习(LDL);支持向量回归(SVR)
中图分类号：
作者姓名：
章枫叶欣;王骏;贾修一;潘祥;邓赵红;施俊;王士同
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122;上海大学 通信与信息工程学院,上海 200444;南京理工大学 计算机科学与工程学院,南京 210094
文献出处：
引用格式：
[1]章枫叶欣;王骏;贾修一;潘祥;邓赵红;施俊;王士同-.面向多分类自闭症辅助诊断的标记分布学习)[J].计算机科学与探索,2022(01):194-204
A类：
代价敏感机制
B类：
多分类,自闭症,辅助诊断,标记分布学习,性障碍,ASD,发展障碍,障碍性,发育障碍,二分类,分类方法,数据包,高维度,数据分布,分布不平衡,LDL,噪声问题,样本不平衡,不平衡问题,支持向量回归,SVR,射到,特征空间,高维特征,方法比较,少数类,不平衡性,不平衡数据,分类性能
AB值：
0.271347
相似文献
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。
