面向自闭症辅助诊断的无监督模糊特征学习新方法

摘要：

自闭症患者的行为和认知缺陷与潜在的脑功能异常有关.对于静息态功能磁振图像(functional magnetic resonance imaging,fMRI)高维特征,传统的线性特征提取方法不能充分提取其中的有效信息用于分类.为此,本文面向fMRI数据提出一种新型的无监督模糊特征映射方法,并将其与多视角支持向量机相结合,构建分类模型应用于自闭症的计算机辅助诊断.该方法首先采用多输出TSK模糊系统的规则前件学习方法,将原始特征数据映射到线性可分的高维空间;然后引入流形正则化学习框架,提出新型的无监督模糊特征学习方法,从而得到原输出特征向量的非线性低维嵌入表示;最后使用多视角SVM算法进行分类.实验结果表明:本文方法能够有效提取静息态fMRI数据中的重要特征,在保证模型具有优越且稳定的分类性能的前提下,还可以提高模型的可解释性.

关键词：自闭症、功能磁共振成像、功能连接、皮尔森相关性、特征选择、无监督模糊特征映射、流形正则化框架、支持向量机

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金项目BK20181339

在线出版日期：2019-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：882-888