脑网络分类中的改进图核

摘要：

目前在用图核进行的脑网络分类研究中,所用图核没有考虑拓扑结构中对应节点是否相同的问题,使脑网络分类不够准确.本文提出一种新型图核(称其为改进图核),将每个路径中的节点加上标签信息并通过网络中加入节点标签的最短路径的长度和路径上节点的标签来判断两个脑网络的相似性,能够更有效地反映脑网络之间拓扑结构的差异性.为了验证改进图核的有效性,在脑网络数据集上进行了实验,并与最短路径核、子树核、多频融合图核和特征选择图核进行了对比实验.改进图核与子树核、多频融合图核、特征选择图核和最短路径核相比,其计算得到的平均相似度分别降低了67.06％、69.78％、70.20％和88.72％,说明改进图核的判断更精确.实验结果表明:本文提出的改进图核能够更有效地区分两类脑网络数据之间的差异性,提高了脑网络分类的准确性.

关键词：脑网络、图核、标签信息、改进图核、拓扑结构

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61771340

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2480-2483