基于相似度矩陣約減的仿射聚類fMRI數據分析
大小：2.94 MB 人氣： 2018-03-20 需要積分：2
標簽：聚類(14184)
利用仿射聚類（ APC）方法分析數據量龐大的功能磁共振成像（fMRI）數據時，在時間復雜度、數據存儲和聚類效果等方面存在局限性。為此，提出一種融合稀疏仿射傳播聚類（ SAPC）和相似度矩陣約減的新方法（ SDAPC）。對fMRI數據進行稀疏逼近后，結合高斯密度函數和歐式距離對稀疏數據進行密度分析，完成約減后fMRI數據的功能連通性檢測。任務態數據實驗結果表明，對于單被試，SDAPC的ROC曲線與SAPC接近，但運行速度比SAPC提高了約3倍；對于多被試，SDAPC和SAPC的ROC曲線效果均優于其單被試的ROC曲線。靜息態數據實驗結果進一步表明，SDAPC能成功提取出9個靜息態腦網絡。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于相似度矩陣約減的仿射聚類fMRI數據分析下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 使用輪廓分數提升時間序列聚類的表現 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1061
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學習與統計方法綜述（一） 638
- 機器學習之分類分析與聚類分析 3551