图正则化字典对学习的轻度认知功能障碍预测

摘要：

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.

关键词：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

所属期刊栏目：14

分类号：TP391;R749(计算技术、计算机技术)

资助基金：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

在线出版日期：2019-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：369-377