自适应加权t-SNE算法及其在脑网络状态观测矩阵降维中的应用研究

被引：5

作者：

詹威威 ^{[1
]}

王彬 ^{[1
]}

薛洁 ^{[2
]}

熊新 ^{[1
]}

王瑞 ^{[3
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 云南警官学院信息网络安全学院

[3] 昆明理工大学津桥学院

来源：

计算机应用研究 | 2018年 / 35卷 / 07期

关键词：

高维降维算法; t-SNE; 自适应加权; 脑状态观测矩阵; 静息态f MRI;

D O I：

暂无

中图分类号：

R445.2 [核磁共振成像]; TP391.41 [];

学科分类号：

080203 ;

摘要：

针对目前数据降维算法受高维空间样本分布影响效果不佳的问题,提出了一种自适应加权的t分布随机近邻嵌入(t-SNE)算法。该算法对两样本点在高维空间中的欧氏距离进行归一化后按距离的不同分布状况进行分组分析,分别按照近距离、较近距离和远距离三种情况在计算高维空间内样本点间的相似概率时进行自适应加权处理,以加权相对距离代替欧氏绝对距离,从而更真实地度量每一组不同样本在高维空间的相似程度。在高维脑网络状态观测矩阵中的降维实验结果表明,自适应加权t-SNE的降维聚类可视化效果优于其他降维算法,与传统t-SNE算法相比,聚类指标值DBI值平均降低了28.39%,DI值平均提高了161.84%,并且有效地消除了分散、交叉和散点等问题。

引用

页码：2055 / 2058+2070 +2070

页数：5

共 20 条

[1] The human brain is intrinsically organized into dynamic, anticorrelated functional networks. Fox Michael D,Snyder Abraham Z,Vincent Justin L,Corbetta Maurizio,Van Essen David C,Raichle Marcus E. Proceedings of the National Academy of Sciences of the United States of America . 2005
[2] 基于t-SNE的脑网络状态观测矩阵降维方法研究
董迎朝
王彬
马洒洒
刘辉
熊新
薛洁
[J]. 计算机工程与应用 , 2018, (01) : 42 - 47
[3] 直方图理论与最优直方图制作
张建方
王秀祥
[J]. 应用概率统计, 2009, 25 (02) : 201 - 214
[4] 聚类趋势问题的研究综述
褚娜
马利庄
王彦
[J]. 计算机应用研究, 2009, 26 (03) : 801 - 803+822
[5] 机器学习[M]. 清华大学出版社 , 周志华, 2016
[6] 基于同步多维数据流的脑网络动态特征辨识方法研究
马洒洒
王彬
薛洁
董迎朝
刘辉
熊新
[J]. 计算机应用研究, 2017, 34 (11) : 3272 - 3276
[7] An unsupervised data projection that preserves the cluster structure[J] . Lev Faivishevsky,Jacob Goldberger. &nbspPattern Recognition Letters . 2011 (3)
[8] Mapping the structural core of human cerebral cortex
Hagmann, Patric
Cammoun, Leila
Gigandet, Xavier
Meuli, Reto
Honey, Christopher J.
Wedeen, Van J.
Sporns, Olaf
[J]. PLOS BIOLOGY, 2008, 6 (07) : 1479 - 1493
[9] Dynamic Properties of Human Brain Structure: Learning-Related Changes in Cortical Areas and Associated Fiber Connections. Marco Taubert,Bogdan Draganski,Alfred Anwander. Journal de Neuroradiologie . 2010
[10] Visualization and unsupervised predictive clustering of high-dimensional multimodal neuroimaging data[J] . Benson Mwangi,Jair C. Soares,Khader M. Hasan. &nbspJournal of Neuroscience Methods . 2014

← 1 2 →