首页--医药、卫生论文--临床医学论文--诊断学论文--影像诊断学论文--核磁共振成像论文

基于自适应加权t-SNE的动态脑网络特征降维算法研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-26页
    1.1 脑科学的研究意义第10-14页
    1.2 静息态功能磁共振成像技术第14-18页
    1.3 高维数据降维问题研究现状第18-22页
    1.4 论文的主要工作及结构第22-26页
        1.4.1 论文主要工作第22-23页
        1.4.2 论文结构第23-26页
第二章 脑网络动态特征矩阵构建第26-38页
    2.1 研究基础及遇到的问题第26-28页
    2.2 数据来源和处理第28-30页
    2.3 状态观测窗口的构建第30-32页
    2.4 全脑网络动态特征矩阵的构建第32-36页
    2.5 本章小结第36-38页
第三章 自适应加权的t-SNE降维算法方法第38-52页
    3.1 t-SNE算法原理及流程第38-40页
    3.2 基于样本分布分析的高维空间样本对距离模型第40-45页
        3.2.1 欧式距离模型第41-42页
        3.2.2 基于样本分布状况的样本对欧式距离归一化第42-43页
        3.2.3 样本对间距的分组和加权第43-45页
    3.3 自适应加权t-SNE的降维算法思想第45-47页
    3.4 基于自适应加权t-SNE算法的脑网络状态观测矩阵降维第47-51页
        3.4.1 降维流程及实现第47-50页
        3.4.2 基于自适应加权t-SNE的脑网络状态观测矩阵降维算法实现第50-51页
    3.5 本章小结第51-52页
第四章 脑网络降维实验验证及结果分析第52-72页
    4.1 脑网络数据降维及聚类实验平台设计第52-55页
        4.1.1 关键技术介绍第52-53页
        4.1.2 自适应加权t-SNE的脑网络降维平台设计第53-54页
        4.1.3 脑网络状态降维聚类性能评价平台设计第54-55页
    4.2 高维数据聚类结果性能度量分析第55-58页
        4.2.1 常用外部指标第56-57页
        4.2.2 常用内部指标第57-58页
    4.3 脑网络降维聚类实验与分析第58-70页
        4.3.1 自适应加权t-SNE算法与其它降维算法的单样本对比试验第58-60页
        4.3.2 自适应加权t-SNE算法与t-SNE算法的多样本对比试验第60-66页
        4.3.3 脑网络状态观测矩阵降维结果的性能对比实验第66-70页
    4.4 本章小结第70-72页
第五章 总结与展望第72-76页
    5.1 本文主要工作总结第72-73页
    5.2 本文存在不足和下一步的研究重点第73-76页
致谢第76-78页
参考文献第78-84页
附录A:攻读硕士学位期间发表成果第84-86页
附录B:攻读硕士学位期间参与科研项目第86页

论文共86页,点击 下载论文
上一篇:交感神经对小鼠子宫蜕膜抗原提呈细胞表型的影响
下一篇:过表达GATA4小鼠骨髓间充质干细胞分泌的外泌体改善心梗心功能作用及机制