如何利用基于t分布随机邻域嵌入构建阿尔茨海默症诊断的长尾词模型？

本文共计780个文字，预计阅读时间需要4分钟。

基于t分布随机邻域嵌入的阿尔茨海默症诊断模型，通过构建大脑皮层高度数据模型实现阿尔茨海默症的预测。

基于t分布随机邻域嵌入的阿尔茨海默症诊断模型成超杨晨晖*摘要对大脑皮层厚度数据进行建模从而实现阿尔茨海默症的诊断在训练样本少

基于

t

分布随机邻域嵌入的阿尔茨海默症诊断模型

成

超杨晨晖

*

摘要对大脑皮层厚度数据进行建模从而实现阿尔茨海默症的诊

断在训练样本少

,

数据复杂且非线性的情况下

,

相比于

BP

神经网络和

k

最近邻

等算法

,

支持向量机算法表现出更优良的特性针对支持向量机算法受数据高维

度的影响

,

将

t

分布随机邻域嵌入算法引入到支持向量机模型

t

分布随机邻域

嵌入算法既能撷取原始高维数据的局部信息

,

也能揭示全局结构

t

分布随机邻

域嵌入算法先将这些非线性数据降维到低维空间

,

支持向量机算法再将这数据映

射到新的高维空间

,

通过寻找最佳分类超平面的方法

,

使分类效果达到最佳水

平最后将集成学习算法

AdaBoost

的思想融入模型

,

可以使模型的分类准确率

得到提升

,

而且变得鲁棒性更强

厦门大学学报(自然科学版)

2017(056)001

6

支持向量机

;t

分布随机邻域嵌入

;

集成学习

;

阿尔茨海默症

近年来

,

我国人口老龄化日趋明显有调查显示

,

全世界有近

20%

的痴呆患者在

中国老年痴呆症又称阿尔茨海默症(Alzheimer′s

disease,AD)越来越受到

关注大量文献表明

,AD

渐渐损伤大脑的认知功能与记忆能力

,

同时它会造成大

脑灰质结构的萎缩

[1-2]

磁共振图像

(magnetic

resonance

imaging,MRI)

可

无创伤地提供高分辨率的脑组织图像信息

,

包括大脑

48

个感兴趣区

(region

of

interest,ROI)

的皮层厚度值

[3-4]

充分利用这些

ROI

的皮层厚度值进行高效的

AD

诊断

,

具有重要意义

[5]