基于稀疏张量模式方法的改进及其在认知功能上的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景 | 第8-9页 |
| ·脑数据挖掘的研究现状 | 第9-10页 |
| ·张量分解的发展与应用 | 第10-11页 |
| ·本文所要解决的问题 | 第11-12页 |
| ·本论文的主要工作以及章节安排 | 第12-14页 |
| 第二章 功能核磁共振成像的原理及其数据分析 | 第14-18页 |
| ·引言 | 第14页 |
| ·功能核磁共振成像原理及其特点 | 第14-15页 |
| ·fMRI 成像原理 | 第14页 |
| ·fMRI 特点及其应用 | 第14-15页 |
| ·功能磁共振(BOLD-fMRI)的实验设计 | 第15-16页 |
| ·脑功能核磁共振图像处理与分析 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 稀疏非负张量分解算法 | 第18-38页 |
| ·引言 | 第18-19页 |
| ·稀疏非负矩阵分解 | 第19-21页 |
| ·非负矩阵分解的数学模型 | 第19-20页 |
| ·迭代求解算法 | 第20-21页 |
| ·基于稀疏编码的非负矩阵分解 | 第21页 |
| ·张量分解技术基础 | 第21-31页 |
| ·认识张量 | 第21-23页 |
| ·张量的矩阵化表示 | 第23-25页 |
| ·张量的基本运算 | 第25-26页 |
| ·张量的 Tucker 分解 | 第26-29页 |
| ·张量的 CP 分解 | 第29-31页 |
| ·稀疏非负张量分解(SNTF) | 第31-35页 |
| ·本章小结 | 第35-38页 |
| 第四章 基于 SNTF 的大脑认知判定分析 | 第38-52页 |
| ·引言 | 第38-39页 |
| ·BOLD-fMRI 实验设计及数据预处理分析 | 第39-42页 |
| ·研究对象(被试) | 第39页 |
| ·实验刺激 | 第39页 |
| ·实验设计 | 第39-40页 |
| ·实验设计的参数 | 第40页 |
| ·脑认知数据预处理分析 | 第40-42页 |
| ·基于 SNTF 算法的特征提取 | 第42-44页 |
| ·基于支持向量机的模式分类 | 第44-45页 |
| ·支持向量机原理概述 | 第44-45页 |
| ·大脑认知状态的识别判定 | 第45页 |
| ·结果分析与讨论 | 第45-50页 |
| ·降维效率结果分析 | 第45-48页 |
| ·分类识别率结果分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·论文总结 | 第52-53页 |
| ·工作展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 作者在硕士期间参加的课题及成果 | 第56-58页 |
| 参考文献 | 第58-62页 |
