王立鹏
- 作品数:4 被引量:8H指数:2
- 供职机构:南京航空航天大学更多>>
- 发文基金:中央高校基本科研业务费专项资金国家教育部博士点基金江苏省自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 判别性子图挖掘方法及其在MCI分类中的应用被引量:2
- 2015年
- 最近,脑连接网络已经被用于神经退行性疾病(如阿尔茨海默病AD以及轻度认知障碍MCI)的诊断和分类.以往典型方法是从脑连接网络中提取一些特征(如局部聚类系数等)构成一个长特征向量,并用其训练一个分类器用于最终的分类.然而,上述方法的一个缺点是未能充分考虑网络的拓扑结构信息,因而限制了分类性能的进一步提升.提出一种基于判别子图挖掘的脑连接网络分类方法.首先分别从正类训练样本集和负类训练样本集中挖掘频繁子网络(即频繁子图);然后利用基于图核的方法来衡量频繁子网络的判别性能,并选择那些最具判别性的频繁子网络作为判别子网络用于后续的分类;最后,在真实MCI数据集上的实验验证了该方法的有效性.
- 费飞王立鹏接标张道强
- 关键词:轻度认知障碍频繁子图挖掘图核
- 面向图数据的特征选择方法及其应用研究
- 特征选择方法作为当前数据挖掘、机器学习、模式识别等领域的研宄热点,己被广泛应用于图像检索、人脸识别、文本挖掘、入侵检测等领域。以往特征选择大多是在传统的向量形式的数据上进行的,但是随着时代的发展,各种科学领域积累了大量图...
- 王立鹏
- 关键词:拓扑信息
- 文献传递
- 在大脑神经传导信号分类中的判别性子图挖掘方法
- 一种在大脑神经传导信号分类中的判别性子图挖掘方法,首先对每个样本构建结构连接网络,然后根据的它们的标签把训练样本分为两个组即正常信号发生人群组和异常信号发生人群组,并对每个组分别利用频繁子图挖掘算法挖掘出两组频繁子网络,...
- 张道强费飞王立鹏接标
- 文献传递
- 基于子图选择和图核降维的脑网络分类方法被引量:5
- 2014年
- 脑网络分类在脑科学研究和脑疾病诊断等领域引起了学者们的广泛关注。目前大多数有关脑网络分类的研究都是以单个脑区或成对脑区之间的相关性作为分类特征,其缺点是不能反映多个脑区之间的拓扑结构信息。为克服上述缺点,提出了一种基于子图选择和图核降维的脑网络分类方法。具体包括:(1)分别从正类训练样本组及负类训练样本组中提取多个频繁子图,进而利用基于频度差的子图选择算法选取最具判别性的子图集;(2)基于上述过程中得到的子图集,利用图核主成分分析(graph-kernel-based principal component analysis,GK-PCA)方法对经过子图选择后的图数据进行特征提取;(3)利用支持向量机(support vector machine,SVM)在特征提取后的数据上进行分类。在真实的轻度认知障碍(mild cognitive impairment,MCI)脑网络数据集上对该方法进行了验证,实验结果表明了该方法的有效性。
- 王立鹏费飞接标张道强