题名 认知障碍脑功能磁共振图像的孪生网络特征工程算法
1
作者
周丰丰 王倩 董广宇
机构
吉林大学计算机科学与技术学院
出处
《吉林大学学报（信息科学版）》
CAS
2024年第1期45-50,共6页
基金
国家自然科学基金资助项目(62072212,U19A2061) 吉林省中青年科技创新创业卓越人才(团队)基金(创新类)资助项目(20210509055RQ) 吉林省大数据智能计算实验室基金资助项目(20180622002JC)。
文摘
功能磁共振成像技术(fMRI:functional Magnetic Resonance Imaging)是一种高效的脑成像技术研究方法,为减少fMRI数据的冗余,将其转换为更具分类潜力的特征,提出一个基于孪生网络(SANet:Siamese Network)的特征构造算法SANet,将多个扫描点下的脑区信息类比为图,应用改进的AlexNet网络进行特征构造,并结合增量特征选择策略达到优化分类的目的。通过实验对比3种不同网络结构和4种分类器对SANet模型的影响,并进行消融实验,验证增量特征选择算法对SANet构造特征的分类效果。实验表明,SANet模型能对fMRI数据进行有效构造,且提高原始特征的分类性能。
关键词
功能磁共振成像 特征 构造SANet模型 孪生网络 增量 特征 选择
Keywords
functional magnetic resonance imaging(fMRI) feature engineering siamese network(SANet)model siamese network incremental feature selection
分类号
TP399
[自动化与计算机技术—计算机应用技术]
题名 面向层次结构数据的增量特征选择
被引量：1
2
作者
折延宏 黄婉丽 贺晓丽 钱婷
机构
西安石油大学理学院 西安石油大学计算机学院
出处
《计算机科学与探索》
CSCD
北大核心
2023年第12期2928-2941,共14页
基金
国家自然科学基金(61976244,12001422,12171388) 陕西省自然科学基金(2021JQ-580,2023-JCYB-597,2023-JCYB-027)。
文摘
随着大数据时代的到来,数据样本量越来越多,维度越来越高,同时样本标签存在复杂的层次结构关系。采用包含策略,研究了基于依赖度的分层分类增量特征选择,解决了标签具有树结构且标签分布在任意节点的分层分类问题。首先,利用标签之间的层次结构,采用包含策略来缩小负样本空间。其次,使用模糊粗糙集理论,提出了一个基于包含策略的模糊粗糙集模型,设计了一个基于包含策略的依赖度计算算法和一个非增量特征选择算法。基于此,引入增量机制,提出了基于包含策略的依赖度增量更新方法,设计了两个基于两种策略的增量特征选择算法。最后,将此方法与基于兄弟策略的依赖度进行对比,通过实验验证了所提方法的可行性与高效性。
关键词
模糊粗糙集 依赖度 分层分类 增量 特征 选择 包含策略
Keywords
fuzzy rough sets dependency degree hierarchical classification incremental feature selection inclusive strategy
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 数据流分类中的增量特征选择算法
被引量：5
3
作者
李敏 王勇 蔡立军
机构
西北工业大学理学院 西北工业大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2010年第9期2321-2323,2328,共4页
基金
国家自然科学基金资助项目(60873196)
文摘
概念流动的出现及数据的高维性增加了数据流特征选择的复杂性。信息增益是最有效的特征选择算法之一,但计算量大。对信息增益做了等价替换,提出一种基于改进信息增益的混合增量特征选择(IFS)算法。该算法首先利用与分类器无关的评价函数选出候选特征集合,然后将分类器作用于候选特征集合,利用分类精度作为评价标准去选择特征子集,在遇到概念漂移时重新选择特征子集。通过在超平面数据集和UCI数据集上的实验,表明基于IFS算法的分类器能够很快地适应概念漂移,并且比基于全部特征的分类算法有更高的精度。
关键词
数据流分类 信息增益 增量 特征 选择 概念漂移
Keywords
data stream classification information gain Incremental Feature Selection （ IFS） concept drifting
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP311.13
[自动化与计算机技术—控制科学与工程]
题名 缺失数据数据集的组增量式特征选择
被引量：6
4
作者
王锋 魏巍
机构
山西大学计算机与信息技术学院
出处
《计算机科学》
CSCD
北大核心
2015年第7期285-290,共6页
基金
国家自然科学基金项目(61402272)资助
文摘
实际应用中获取到的数据集通常是动态增加的,且随着数据获取工具的迅速发展,新数据通常会一组一组地增加。为此,针对含有缺失数据的动态数据集,基于粗糙集理论,提出了一种组增量式的粗糙特征选择算法。首先分析、证明了信息熵的组增量计算公式,并以信息熵作为特征重要度的度量,在此基础上设计了基于信息熵的可有效处理含有缺失数据的动态数据集的组增量式特征选择算法。实验结果进一步证明了新算法的可行性和高效性。
关键词
动态数据集 缺失数据 信息熵 组增量 特征 选择
Keywords
Dynamic data sets Missing data Information entropy Group feature selection
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 用多样性增量特征选择技术识别蛋白质磷酸化位点
5
作者
胡世赛 梁珍 陈宇翔 张颖 吕军
机构
内蒙古工业大学理学院
出处
《计算生物学》
2018年第1期24-32,共9页
基金
内蒙古自治区自然科学基金资助项目(批准号:2015MS0331和2016MS0306).
文摘
磷酸化是最重要的蛋白质翻译后修饰之一,在许多细胞过程中扮演重要角色。发展磷酸化位点精确识别的计算生物学方法,有助于对磷酸化信号转导机制的理解。本文给出一种激酶无关的磷酸化位点识别模型,称为FSID_PhSite。模型以k间隔氨基酸对组分和位置保守氨基酸组分为特征,应用多样性增量特征选择技术进行特征筛选,将选出的特征输入到支持向量机算法进行识别。在正负样本数之比为1:1的情形下,对磷酸化丝氨酸、苏氨酸和酪氨酸在独立测试集检验,识别精度分别达到84.34%、82.32%和68.89%。结果优于现有的激酶无关磷酸化位点识别模型。
关键词
蛋白质磷酸化位点 多样性增量 特征 选择 支持向量机
Keywords
Protein Phosphorylation Site Feature Selection Based on Increment of Diversity Support Vector Machine
分类号
Q5
[生物学—生物化学]
题名 用主链局域结构关联特征识别疟原虫分泌蛋白
6
作者
陈宇翔 李彦儒 张颖 吕军
机构
内蒙古工业大学理学院
出处
《内蒙古工业大学学报（自然科学版）》
2018年第5期332-339,共8页
基金
内蒙古自治区自然科学基金项目(2015MS033 2016MS0306)
文摘
应用生物信息学方法识别疟原虫分泌蛋白和非分泌蛋白,为了提供快速的抗疟疾药物和疫苗的设计药物靶标筛选手段,采用径向核函数支持向量机进行疟原虫分泌蛋白和非分泌蛋白的分类识别.Jackknife检验结果表明,敏感性为85%,特异性为90%,总精度为88%.与现有的其它模型相比,在保证较高识别精度的前提下,大幅降低了模型所使用的特征数,增强了识别模型的鲁棒性.构建精度高且鲁棒性好的药物靶标蛋白质生物信息学识别模型,一方面可以为理解蛋白质功能机制提供有价值的线索,另一方面可作为针对病源蛋白进行药物和疫苗设计的快速筛查手段.
关键词
疟原虫分泌蛋白 主链局域结构 多样性增量 特征 选择 技术 分类识别
Keywords
Plasmodium secreted protein Main chain local structure Diversity incremental feature selection technique Classification identification
分类号
Q71
[生物学—分子生物学]
