10.11772/j.issn.1001-9081.2015.05.1459
基于统计特性随机森林算法的特征选择
针对由静息态功能磁共振成像(R-fMRI)得到的脑功能连接矩阵数据运用传统特征选择方法处理的结果,存在特征冗余,无法确定最终特征维数等问题,提出一种全新的特征选择算法.该算法在随机森林(RF)算法中结合统计特性,根据袋外数据的分类效果得到保留的特征,并将其运用在对精神分裂患者与正常被试者的识别实验中.实验结果表明,与传统的主成分分析(PCA)方法相比,该算法可以有效保留重要特征,提高识别精度,且保留的特征具有很好的医学解释性.
随机森林、统计特性、静息态功能磁共振成像、脑功能连接矩阵
35
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目51205185;江苏省普通高校研究生科研创新计划项目KYLX_0754
2015-07-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
1459-1461,1466