图正则化字典对学习的轻度认知功能障碍预测
针对字典对学习(DPL)方法只考虑了同类子字典的重构误差和不同类表示系数的稀疏性,没有考虑图像间的几何近邻拓扑关系的问题.通过近邻保持使得在同类近邻投影系数之间的距离较小,而不同类投影系数之间的距离大,能够有效提高字典对学习算法的分类性能,基于此提出了基于几何近邻拓扑关系的图正则化的字典对学习(GDPL)算法.在ADNI1数据集上对轻度认知功能障碍预测的实验表明,使用GDPL算法学习的编码系数作为特征预测的准确率(ACC)和ROC曲线下的面积(AUC)比使用结合生物标志作为特征预测的准确率提高了2%~6%,使用GDPL算法比DPL算法的实验结果也有提高.
图正则化、字典对学习、几何近邻关系、图像分类、轻度认知功能障碍预测
14
TP391;R749(计算技术、计算机技术)
国家自然科学基金项目61672120;重庆市科委基础学科和前沿技术研究一般项目cstc2015jcyjA40036,cstc2014jcyjA40049
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
369-377