[发明专利]基于稀疏非负张量分解的大脑特定视觉认知状态判定方法

摘要

本发明公开了基于稀疏非负张量分解的大脑特定视觉认知状态判定方法,其创新点在于，采用SNTF算法，把fMRI认知数据当成一个大张量，从张量的层面上构建高阶非负张量模型，然后对fMRI认知数据每个维度上进行特征降维，从而得到维度较小的稀疏非负特征张量，最后结合支持向量机的特点，有效地实现对大脑特定视觉的认知状态的判定。本发明的方法利用稀疏非负张量分解进行降维和特征提取多方向、多角度的提取出原有数据中的潜在结构信息,由于l1范数正则化和非负性的约束使得提取出的相关成分更稀疏，合乎大脑感知的直观体验，再结合支持向量机的特点，提高了分类判别的准确性。

主权项

基于稀疏非负张量分解的大脑特定视觉认知状态判定方法，其特征在于：采用基于张量模型的稀疏非负张量分解(SNTF)的特征降维和支持向量机(SVM)的分类判定，包括如下步骤：1)输入样本集，对fMRI认知数据进行预处理,并把样本集按照扫描时间序列以及行为实验类别重新组合，并分为训练集和测试集两部分，每部分都包含一定比例的认知数据；2)计算训练样本集的特征分解，求出特征向量以及特征变换矩阵，将样本投射到特征子空间，得到特征张量之后直接矢量化，得到训练集的特征向量集；3)将稀疏非负张量分解特征降维后的特征向量集作为SVM的输入，提取支持向量，构建最优分类器；4)特征分类，利用构建好的分类器对测试样本进行分类判别。