基于多图核的迁移学习方法

摘要：

医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍(ASD)多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能.

关键词：脑网络、图核、多中心数据、多源域迁移学习、多核学习

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目No, 61861130366,61876082,61732006

在线出版日期：2020-07-27（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：488-495