科研之友
微信
新浪微博
Facebook
分享链接
摘要
抑郁症分类诊断研究中，特征选择扮演了重要角色，但是传统方法中往往忽略抑郁症被试样本之间的高阶信息。已有研究中利用超图对被试间高阶信息建模的方法，但其超图生成方法未能解决超图生成过程中的分组效应，即经常缺失组效应信息，导致特征选择的有效性降低，最终导致分类准确率降低。在此基础上，本文提出了基于组套索的超图正则化特征选择方法，并在自采集抑郁症数据集下进行实验。结果表明，与三种传统方法相比本文所提出的方法能够选出更具判别性的特征，在支持向量机中进行分类有更高的分类准确率。由于所采用脑图谱模板对实验存在影响，将五个不同的节点定义模板应用在抑郁症自采集数据集中，结果均比其他三种方法有更高的分类精度，最高达到了97.9%。此外，与其他抑郁症分类诊断研究结果进行了对比，结果显示，在模板的节点数量相似的情况下，此方法有更高的分类诊断性能。最后，在四个UCI数据集下对方法的可扩展性进行了分析。
- 单位
