| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 传统特征选择方法的研究现状 | 第10-11页 |
| 1.2.2 深度学习的研究现状 | 第11-12页 |
| 1.3 本文的研究内容和组织结构 | 第12-15页 |
| 1.3.1 论文主要的研究内容 | 第12-13页 |
| 1.3.2 论文的组织结构 | 第13-15页 |
| 第2章 相关知识介绍 | 第15-27页 |
| 2.1 功能磁共振成像概述 | 第15-18页 |
| 2.2 传统特征选择方法 | 第18-20页 |
| 2.2.1 特征选择模型 | 第18-19页 |
| 2.2.2 特征子集评价指标 | 第19-20页 |
| 2.3 深度学习 | 第20-24页 |
| 2.3.1 自编码神经网络 | 第20-22页 |
| 2.3.2 受限玻尔兹曼机 | 第22-24页 |
| 2.4 Softmax回归分类模型 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于正则化Softmax回归的全脑f MRI数据特征选择框架 | 第27-39页 |
| 3.1 正则化Softmax回归 | 第27-28页 |
| 3.2 全脑f MRI数据特征选择框架 | 第28-31页 |
| 3.2.1 基本思想 | 第28页 |
| 3.2.2 框架描述 | 第28-30页 |
| 3.2.3 交叉优化求解算法 | 第30-31页 |
| 3.3 实验与分析 | 第31-38页 |
| 3.3.1 实验数据与预处理 | 第31-32页 |
| 3.3.2 参数对分类准确率的影响 | 第32-34页 |
| 3.3.3 实验结果与分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于栈式自编码深度神经网络的f MRI数据特征选择研究 | 第39-49页 |
| 4.1 栈式自编码神经网络模型 | 第39-42页 |
| 4.2 基于栈式自编码深度神经网络的f MRI数据特征选择 | 第42-44页 |
| 4.2.1 基本思想 | 第42-43页 |
| 4.2.2 算法流程描述 | 第43-44页 |
| 4.3 实验与分析 | 第44-47页 |
| 4.3.1 实验数据与预处理 | 第44页 |
| 4.3.2 实验结果与分析 | 第44-47页 |
| 4.4 本章小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间所发表的学术论文 | 第55-57页 |
| 致谢 | 第57页 |
