公开(公告)号：CN112288027A

公开(公告)日：2021-01-29

申请号：CN202011223328.1

申请日：2020-11-05

Applicant: 河北工业大学

Inventor： 郝小可 ,  王如雪 ,  师硕 ,  阎刚 ,  肖云佳 ,  李想 ,  谭麒豪 ,  安琦瑾

IPC: G06K9/62 ,  G16B20/40 ,  G16B35/00 ,  G16B40/00

Abstract: 本发明异构多模态影像遗传学数据特征分析方法，同时考虑样本数据间的结构关系以及训练过程中样本的“难易程度”，采用样本加权和结构稀疏化对脑影像数据和基因数据进行特征分析。该方法采用自步学习机制，实现训练过程中样本由简单到复杂的自动增长，减小噪声对模型的影响。此外，在自步学习框架下，引入局部保留投影方法，有效保留样本空间下样本点内部固定的邻域结构，同时用L1范数约束投影矩阵作为正则化项，实现特征选择过程。最后利用多核支持向量机对选择后的特征进行融合分类，从而提高对疾病的诊断精度。本发明公开的方法能够有效地进行特征选择和分类。

公开(公告)号：CN112288027B

公开(公告)日：2022-05-03

申请号：CN202011223328.1

申请日：2020-11-05

Applicant: 河北工业大学

Inventor： 郝小可 ,  王如雪 ,  师硕 ,  阎刚 ,  肖云佳 ,  李想 ,  谭麒豪 ,  安琦瑾

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06K9/62 ,  G16B20/40 ,  G16B35/00 ,  G16B40/00

Abstract: 本发明异构多模态影像遗传学数据特征分析方法，同时考虑样本数据间的结构关系以及训练过程中样本的“难易程度”，采用样本加权和结构稀疏化对脑影像数据和基因数据进行特征分析。该方法采用自步学习机制，实现训练过程中样本由简单到复杂的自动增长，减小噪声对模型的影响。此外，在自步学习框架下，引入局部保留投影方法，有效保留样本空间下样本点内部固定的邻域结构，同时用L1范数约束投影矩阵作为正则化项，实现特征选择过程。最后利用多核支持向量机对选择后的特征进行融合分类，从而提高对疾病的诊断精度。本发明公开的方法能够有效地进行特征选择和分类。