[发明专利]一种基于权值特征属性融合与新型图核的脑网络分类方法在审
| 申请号： | 201910332184.4 | 申请日： | 2019-04-22 |
| 公开（公告）号： | CN110084381A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 张大坤;杨楠 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于机器学习与脑网络领域，具体为一种基于权值特征属性融合与新型图核的脑网络分类方法。将脑网络的多种特征属性进行融合，首先，将原始实验数据经过预处理后完成脑网络构建；其次，根据不同的阈值来提取脑网络中多种脑网络属性值；第三，利用支持向量机训练所有数据、根据训练结果的优劣、在每种网络属性值里挑选分类效果最优的阈值参数并将它们进行基于权值的特征属性融合；第四，使用基于新型图核的支持向量机训练融合后的特征向量；利用本发明方法对脑网络进行分类，提高了脑网络的分类准确率。本发明适用于脑区病变分析、阿尔茨海默症以及认知障碍机理分析等领域。 | ||
| 搜索关键词： | 脑网络 特征属性 融合 图核 支持向量机训练 分类 预处理 阿尔茨海默症 原始实验数据 分类准确率 病变分析 分类效果 机理分析 机器学习 认知障碍 特征向量 网络属性 训练结果 阈值参数 构建 脑区 | ||
【主权项】：
1.一种基于权值特征属性融合与新型图核的脑网络分类方法，其特征在于，该分类方法由以下4个步骤构成：首先，将原始实验数据经过预处理后完成脑网络的构建；其次，根据不同的阈值来提取脑网络中多种脑网络属性值；第三，利用支持向量机训练所有数据，根据训练结果的优劣，在每种网络属性值里挑选分类效果最优的阈值参数，并将它们进行基于权值的特征属性融合；最后，采用基于新型图核的支持向量机训练融合后的特征向量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津工业大学，未经天津工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910332184.4/，转载请声明来源钻瓜专利网。
