[发明专利]一种基于深度森林的脑功能网络分类方法

摘要

一种基于深度森林的脑功能网络分类方法，属于非神经网络深度学习理论与应用研究领域。具体包括以下步骤：参数初始化，多粒度扫描生成多粒度的串接特征向量，生成级联森林结构提取高级特征以及最终计算预测结果。该方法将深度学习和集成学习相结合使其既具有深度模型强大的特征学习能力又有集成学习强大的泛化能力，在面对高维小样本的脑网络数据时，实现快速、准确的脑功能网络分类，具有超参少、训练时间短，模型泛化能力强等优势，可以有效缓解以往脑功能网络分类面临的过拟合问题。

主权项

1.一种基于深度森林的脑功能网络分类方法，其特征在于，包括以下步骤：步骤(1)：初始化参数：包括多粒度扫描相关的参数和级联森林结构相关的参数；步骤(2)多粒度扫描的特征转换机制实现原始输入的特征再表达；步骤(3)：级联森林结构逐层提取特征：级联森林结构由多层森林级联串接而成，每一层由多个随机森林模型构成，其模型训练的主要步骤如下：步骤(3.1)：逐层构建随机森林结构，每一层的随机森林处理一个粒度的串接特征向量，从第2层森林起除了将多粒度扫描获取的串接特征向量作为输入外还串接来自上一层森林的输出结果作为输入；步骤(3.2)：根据步骤(3.1)的输出结果进行准确率计算，如果其准确率满足用户要求或新扩展的层级不再能提高预测准确率则结束级联森林结构的层级扩展，进入步骤(4)；否则根据步骤(3.1)继续扩展级联森林；步骤(4)取最后一层级联森林结构的输出结果作为最终预测结果。