|
|||||
|
|
| 基于多图核的迁移学习方法 | |
| 作者姓名： | 江悠 张道强 张俊艺 |
| 作者单位： | 1.南京航空航天大学 计算机科学与技术学院 南京 211106 |
| 基金项目： | 国家自然科学基金;国家自然科学基金;国家自然科学基金 |
| 摘 要： | 医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍(ASD)多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能. |
| 关 键 词： | 脑网络 图核 多中心数据 多源域迁移学习 多核学习 |
| 收稿时间： | 2020-02-27 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《模式识别与人工智能》浏览原始摘要信息 | |
| 点击此处可从《模式识别与人工智能》下载全文 | |