资料下载
×
如何使用扩展的低阶多元广义线性模型进行脑节点识别方法
消耗积分:0 |
格式:rar |
大小:0.75 MB |
2018-12-12
分享资料个
针对现有单节点模型识别准确度较低以及低阶多元广义线性模型（ LRMGLM）计算时间过长和使用局限性问题，提出基于扩展的低阶多元广义线性模型（ ELRMGLM）的脑节点识别方法。首先，建立可以同时处理两次实验所有节点数据的ELRMGLM，以更多的时间空间信息来提高算法的准确度；然后，利用带时空平滑惩罚项的优化函数引入先验信息，并通过迭代函数对模型参数进行求解；最后，使用基于K-means的快速选择策略实现惩罚参数和大脑节点的快速选择。三次样本实验中，ELRMGLM的准确度分别比经典血液动力学响应函数（canonical）方法、平滑有限脉冲响应（ SFIR）方法、正则化和广义交叉验证（Tik-GCV）方法的最优结果提升了约20010、8010、20010，略优于LRMGLM，且计算时间是LRMGLM的1/750。实验结果表明，ELRMGLM能有效提高大脑节点的识别准确度，减少计算时间。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
