随机邻域嵌入_基于t 分布随机邻域嵌入的阿尔茨海默症诊断模型

基于

t

分布随机邻域嵌入的阿尔茨海默症诊断模型

成

超，杨晨晖

*

【摘

要】

摘要：对大脑皮层厚度数据进行建模从而实现阿尔茨海默症的诊

断．在训练样本少

,

数据复杂且非线性的情况下

,

相比于

BP

神经网络和

k

最近邻

等算法

,

支持向量机算法表现出更优良的特性．针对支持向量机算法受数据高维

度的影响

,

将

t

分布随机邻域嵌入算法引入到支持向量机模型．

t

分布随机邻域

嵌入算法既能撷取原始高维数据的局部信息

,

也能揭示全局结构．

t

分布随机邻

域嵌入算法先将这些非线性数据降维到低维空间

,

支持向量机算法再将这数据映

射到新的高维空间

,

通过寻找最佳分类超平面的方法

,

使分类效果达到最佳水

平．最后将集成学习算法

AdaBoost

的思想融入模型

,

可以使模型的分类准确率

得到提升

,

而且变得鲁棒性更强．

【期刊名称】

厦门大学学报(自然科学版)

【年

(

卷

),

期】

2017(056)001

【总页数】

6

【关键词】

支持向量机

;t

分布随机邻域嵌入

;

集成学习

;

阿尔茨海默症

近年来

,

我国人口老龄化日趋明显．有调查显示

,

全世界有近

20%

的痴呆患者在

中国．老年痴呆症，又称阿尔茨海默症(Alzheimer′s

disease,AD)越来越受到

关注．大量文献表明

,AD

渐渐损伤大脑的认知功能与记忆能力

,

同时它会造成大

脑灰质结构的萎缩

[1-2]

．磁共振图像

(magnetic

resonance

imaging,MRI)

可

无创伤地提供高分辨率的脑组织图像信息

,

包括大脑

48

个感兴趣区

(region

of

interest,ROI)

的皮层厚度值

[3-4]

．充分利用这些

ROI

的皮层厚度值进行高效的

AD

诊断

,

具有重要意义

[5]

．