基于超图的多模态特征选择算法及其应用

摘要：

目前机器学习算法已经被广泛应用到脑疾病的诊断中.医学影像数据由于样本珍贵,并且特征维数往往远大于已有样本数目,在实际应用中这是典型的小样本问题.此外,通过不同的成像手段可以得到不同模态的数据(例如MRI和PET).从而提出一种基于超图的多模态特征选择算法.首先将每组模态当作一组任务,利用l2,1范数进行特征选择,保证不同模态相同脑区的特征被选中.然后使用超图技术来刻画数据样本与样本之间的高阶信息,从而充分利用每组模态数据内部的分布先验.最后利用多核支持向量机对选择后的特征进行融合分类,从而提高对疾病的诊断精度.在ADNI数据集上对提出的方法进行验证,并与传统方法进行对比,实验结果说明了提出方法的有效性.

关键词：超图学习、多任务学习、特征选择、多模态分类、阿尔茨海默症

所属期刊栏目：12

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.61422204,61473149;the Natural Science Foundation for Distinguished Young Scholar of Jiangsu Province under Grant No.BK20130034;the Special-ized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20123218110009;the Fundamental Research Funds for the Nanjing University of Aeronautics and Astronautics under Grant No. NE2013105

在线出版日期：2018-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：112-119