基于相似度矩陣約減的仿射聚類fMRI數(shù)據(jù)分析
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
利用仿射聚類( APC)方法分析數(shù)據(jù)量龐大的功能磁共振成像(fMRI)數(shù)據(jù)時(shí),在時(shí)間復(fù)雜度、數(shù)據(jù)存儲(chǔ)和聚類效果等方面存在局限性。為此,提出一種融合稀疏仿射傳播聚類( SAPC)和相似度矩陣約減的新方法( SDAPC)。對(duì)fMRI數(shù)據(jù)進(jìn)行稀疏逼近后,結(jié)合高斯密度函數(shù)和歐式距離對(duì)稀疏數(shù)據(jù)進(jìn)行密度分析,完成約減后fMRI數(shù)據(jù)的功能連通性檢測(cè)。任務(wù)態(tài)數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,對(duì)于單被試,SDAPC的ROC曲線與SAPC接近,但運(yùn)行速度比SAPC提高了約3倍;對(duì)于多被試,SDAPC和SAPC的ROC曲線效果均優(yōu)于其單被試的ROC曲線。靜息態(tài)數(shù)據(jù)實(shí)驗(yàn)結(jié)果進(jìn)一步表明,SDAPC能成功提取出9個(gè)靜息態(tài)腦網(wǎng)絡(luò)。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于相似度矩陣約減的仿射聚類fMRI數(shù)據(jù)分析下載
相關(guān)電子資料下載
- 對(duì)新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類的表現(xiàn) 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測(cè)模型 1061
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述(二) 679
- 如何在 Python 中安裝和使用頂級(jí)聚類算法 415
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述(一) 638
- 機(jī)器學(xué)習(xí)之分類分析與聚類分析 3551