首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于随机结构稀疏优化的特征选择算法在认知活动的功能磁共振成像数据上的应用

摘要第5-6页
abstract第6-7页
第一章 绪论第10-16页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 本文所做工作及内容安排第13-15页
    1.4 本章总结第15-16页
第二章 高维数据的特征选择方法第16-28页
    2.1 特征选择基本框架第16-18页
    2.2 特征选择的分类第18-22页
        2.2.1 基于搜索策略的特征选择方法第18-20页
        2.2.2 基于评估标准的特征选择方法第20-22页
    2.3 fMRI的多变量特征选择方法第22-27页
        2.3.1 基于SVM的递归特征消除法第23页
        2.3.2 探照灯算法(Searchlight)第23-24页
        2.3.3 套索算法(LASSO)第24-26页
        2.3.4 弹性网算法(Elastic net)第26-27页
    2.4 本章小结第27-28页
第三章 基于随机结构稀疏优化的特征选择算法第28-35页
    3.1 算法提出的背景及需解决的问题第28-29页
    3.2 稳定性选择第29-30页
    3.3 算法创新点第30-33页
    3.4 算法框架第33-34页
    3.5 本章小结第34-35页
第四章 人脑对面孔情绪识别机制的多体素模式分析第35-41页
    4.1 实验数据及设计第35页
    4.2 数据预处理与特征提取第35-36页
    4.3 leave-one-pair-out交叉验证第36页
    4.4 评价标准第36-39页
    4.5 实验结果与分析第39-40页
    4.6 本章小结第40-41页
第五章 人脑对中性面孔加工机制的多体素模式分析第41-48页
    5.1 实验数据及预处理第41页
    5.2 特征选择阈值设定方法第41-42页
    5.3 实验结果及分析第42-46页
    5.4 基于任务相关激活脑区的讨论与分析第46-47页
    5.5 本章小结第47-48页
第六章 人脑对开心面孔加工机制的多体素模式分析第48-55页
    6.1 实验数据及处理第48页
    6.2 特征选择阈值设定方法第48-49页
    6.3 实验结果与分析第49-53页
    6.4 基于任务相关激活脑区的讨论与分析第53页
    6.5 本章小结第53-55页
第七章 总结和展望第55-57页
致谢第57-58页
参考文献第58-64页
攻读硕士期间主要研究成果第64-65页

论文共65页,点击 下载论文
上一篇:多智能体系统群一致性分析与设计
下一篇:分布式系统资源管理与部署平台的设计与实现