| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 超网络应用 | 第13-14页 |
| 1.2.2 脑网络建模 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文的章节安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 静息态脑功能超网络构建方法 | 第17-25页 |
| 2.1 数据采集及预处理 | 第17-19页 |
| 2.1.1 数据采集 | 第17-18页 |
| 2.1.2 数据预处理 | 第18-19页 |
| 2.2 超图 | 第19-20页 |
| 2.3 超网络构建 | 第20-24页 |
| 2.3.1 基于lasso方法的稀疏线性回归模型求解 | 第21-22页 |
| 2.3.2 基于elastic net方法的稀疏线性回归模型求解 | 第22-23页 |
| 2.3.3 基于group lasso方法的稀疏线性回归模型求解 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 实验设计 | 第25-35页 |
| 3.1 特征提取 | 第25-29页 |
| 3.2 特征选择 | 第29-30页 |
| 3.3 分类 | 第30-32页 |
| 3.3.1 方法介绍 | 第30页 |
| 3.3.2 分类结果 | 第30-32页 |
| 3.4 Alzheimer's disease（AD）分类 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 实验结果分析 | 第35-53页 |
| 4.1 网络结构比较 | 第35-40页 |
| 4.2 异常脑区 | 第40-42页 |
| 4.3 连接分析 | 第42-44页 |
| 4.4 参数影响 | 第44-50页 |
| 4.4.1 超网络模型参数λ的影响 | 第44-46页 |
| 4.4.2 正则化参数λ_1和λ_2的影响 | 第46-47页 |
| 4.4.3 聚类数k的影响 | 第47-48页 |
| 4.4.4 特征数目的影响 | 第48-49页 |
| 4.4.5 SVM分类参数c和g的影响 | 第49-50页 |
| 4.5 分类算法比较分析 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-57页 |
| 5.1 总结 | 第53-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |
