本文關(guān)鍵詞：基于隨機(jī)結(jié)構(gòu)稀疏的磁共振腦影像數(shù)據(jù)的特征選擇算法

  更多相關(guān)文章： 稀疏優(yōu)化 穩(wěn)定性選擇 約束隨機(jī)子采樣結(jié)構(gòu)稀疏 模式識(shí)別 高維問(wèn)題

【摘要】：目前,稀疏優(yōu)化算法近來(lái)是學(xué)術(shù)界研究的熱點(diǎn)之一,被廣泛應(yīng)用于自然圖像處理、信號(hào)壓縮感知、計(jì)算機(jī)視覺和醫(yī)學(xué)影響處理領(lǐng)域。與此同時(shí),稀疏編碼與正則化的方法在醫(yī)學(xué)影像分析領(lǐng)域被用來(lái)解決很多問(wèn)題,例如,圍繞人類大腦MRI數(shù)據(jù)針對(duì)正常人腦不同的狀態(tài)進(jìn)行模式識(shí)別,或是不同被試的腦部疾病狀況等模式識(shí)別問(wèn)題。但是在MRI數(shù)據(jù)問(wèn)題當(dāng)中,由于數(shù)據(jù)樣本數(shù)量要遠(yuǎn)遠(yuǎn)少于每個(gè)樣本的特征數(shù)目,對(duì)該問(wèn)題的求解往往會(huì)產(chǎn)生過(guò)擬合的問(wèn)題,即所謂的維數(shù)災(zāi)難,從而嚴(yán)重影響數(shù)據(jù)分析的質(zhì)量。針對(duì)高維小樣本這個(gè)挑戰(zhàn)性的任務(wù),LASSO模型被廣泛應(yīng)用于解決高維變量選擇的問(wèn)題,以LASSO模型為基線的穩(wěn)定性選擇思想較大程度上的克服了LASSO模型存在的問(wèn)題,但是針對(duì)MRI數(shù)據(jù)本身存在的特點(diǎn),仍然存在不能有效克服其變量之間的高度相關(guān)性(即多重共線性)、假陰性控制差等問(wèn)題。本文主要利用稀疏優(yōu)化算法的思想,基于穩(wěn)定性選擇的框架,針對(duì)人類大腦MRI數(shù)據(jù)具有局部連續(xù)性和相關(guān)性的特點(diǎn),尋找先驗(yàn)結(jié)構(gòu)信息,將稀疏概念擴(kuò)展到結(jié)構(gòu)稀疏,對(duì)MRI數(shù)據(jù)進(jìn)行約束塊隨機(jī)子采樣,提出了隨機(jī)結(jié)構(gòu)稀疏(Randomized Structural Sparsity,RSS)的算法框架。本文的貢獻(xiàn)為:1提出了一個(gè)廣泛實(shí)用的算法框架思想;2在建模階段,尋找并利用數(shù)據(jù)內(nèi)在的結(jié)構(gòu)先驗(yàn)信息;3針對(duì)MRI高維小樣本數(shù)據(jù),在繼承穩(wěn)定性選擇有效控制變量選擇假陽(yáng)性的基礎(chǔ)之上,顯著提升對(duì)假陰性的控制;4與單變量方法(T檢驗(yàn))和多變量方法進(jìn)行對(duì)比實(shí)驗(yàn),得到的結(jié)果更好,并且具有更高的可解釋性。本文給出MRI數(shù)據(jù)實(shí)驗(yàn)的結(jié)果來(lái)驗(yàn)證算法的有效性和可靠性。
【關(guān)鍵詞】：稀疏優(yōu)化 穩(wěn)定性選擇 約束隨機(jī)子采樣結(jié)構(gòu)稀疏 模式識(shí)別 高維問(wèn)題
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R445.2
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.2.1 簡(jiǎn)介壓縮感知及稀疏模型10
• 1.2.2 基于LASSO的變量選擇方法10-11
• 1.2.3 穩(wěn)定性選擇及變量選擇的錯(cuò)誤控制11
• 1.3 本文所做工作及內(nèi)容安排11-13
• 第二章 變量的穩(wěn)定性選擇13-18
• 2.1 LASSO模型的變量選擇13-14
• 2.2 穩(wěn)定性選擇14-15
• 2.3 稀疏模型的擴(kuò)展15-17
• 2.3.1 彈性網(wǎng)15-16
• 2.3.2 隨機(jī)ward邏輯回歸16
• 2.3.3 對(duì)列的子采樣16-17
• 2.4 本章小結(jié)17-18
• 第三章 約束塊子采樣——隨機(jī)結(jié)構(gòu)稀疏18-23
• 3.1 算法的詳細(xì)闡述18-21
• 3.1.1 算法關(guān)鍵成分之一：基于塊子采樣的穩(wěn)定性選擇19
• 3.1.2 算法關(guān)鍵成分之二： 引入結(jié)構(gòu)信息19-21
• 3.2 算法框架21
• 3.3 本章小結(jié)21-23
• 第四章 相關(guān)數(shù)據(jù)實(shí)驗(yàn)及結(jié)果23-44
• 4.1 Haxby認(rèn)知數(shù)據(jù)實(shí)驗(yàn)23-29
• 4.1.1 實(shí)驗(yàn)數(shù)據(jù)及設(shè)計(jì)23-24
• 4.1.2 實(shí)驗(yàn)結(jié)果及分析24-29
• 4.2 基于體素的孤獨(dú)癥多中心數(shù)據(jù)實(shí)驗(yàn)29-38
• 4.2.1 孤獨(dú)癥實(shí)驗(yàn)設(shè)計(jì)及數(shù)據(jù)預(yù)處理29-30
• 4.2.2 算法參數(shù)設(shè)定及閾值方法30-31
• 4.2.3 評(píng)估準(zhǔn)則31
• 4.2.4 聚類結(jié)果和RSS特征選擇結(jié)果穩(wěn)定性分析31-34
• 4.2.5 不同算法結(jié)果一致性的比較分析34-37
• 4.2.6 基于生物標(biāo)記物的結(jié)果討論37-38
• 4.3 基于功能連接的孤獨(dú)癥多中心數(shù)據(jù)實(shí)驗(yàn)38-43
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)選擇及預(yù)處理38-39
• 4.3.2 全腦功能連接的計(jì)算39
• 4.3.3 基于模塊化的腦網(wǎng)絡(luò)結(jié)構(gòu)的探測(cè)39
• 4.3.4 算法相關(guān)參數(shù)的調(diào)整與設(shè)置39-40
• 4.3.5 一致穩(wěn)定的功能連接特征和相應(yīng)具有判別能力的區(qū)域40-41
• 4.3.6 對(duì)測(cè)試中心數(shù)據(jù)進(jìn)行分類——特征選擇評(píng)估41-43
• 4.4 本章小結(jié)43-44
• 第五章 總結(jié)和展望44-45
• 5.1 總結(jié)44
• 5.2 展望44-45
• 致謝45-46
• 參考文獻(xiàn)46-50
• 攻讀碩士期間主要研究成果50-51

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 喬紅威;呂震宙;;平穩(wěn)隨機(jī)激勵(lì)下隨機(jī)結(jié)構(gòu)動(dòng)力可靠性分析[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 陳建軍;馬洪波;馬娟;張建國(guó);王敏娟;;基于隨機(jī)因子的結(jié)構(gòu)分析方法[A];第20屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集（第Ⅰ冊(cè)）[C];2011年

3 陳穎;農(nóng)紹寧;王東升;;隨機(jī)結(jié)構(gòu)在隨機(jī)載荷下的振動(dòng)響應(yīng)分析[A];第八屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

4 趙衛(wèi);劉濟(jì)科;;隨機(jī)結(jié)構(gòu)可靠度分析的支持向量機(jī)方法[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 喬紅威;呂震宙;;平穩(wěn)隨機(jī)激勵(lì)下隨機(jī)結(jié)構(gòu)動(dòng)力可靠性分析[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 吳存利;隨機(jī)結(jié)構(gòu)與隨機(jī)動(dòng)力系統(tǒng)中的響應(yīng)、分岔與混沌及其控制[D];西北工業(yè)大學(xué);2007年

2 雒衛(wèi)廷;基于完全概率的隨機(jī)結(jié)構(gòu)分析與可靠性研究[D];西安電子科技大學(xué);2007年

3 胡太彬;隨機(jī)結(jié)構(gòu)動(dòng)力分析與動(dòng)力可靠性優(yōu)化設(shè)計(jì)[D];西安電子科技大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 陳U喥，

本文編號(hào)：622074