基于隨機結構稀疏優(yōu)化的特征選擇算法在認知活動的功能磁共振成像數(shù)據(jù)上的應用.pdf

1、認知科學是一門探索大腦、心智工作機制的前沿性交叉學科，對認知活動的功能磁共振成像（fMRI）數(shù)據(jù)的研究能夠揭示認知行為在大腦中對應的加工機制，解釋和預測人的認知行為。然而在認知fMRI數(shù)據(jù)的分析中，研究者們通常只關注構建的分類器的分類效果，而忽視了特征選擇結果的穩(wěn)定性。但實際上，fMRI數(shù)據(jù)具有高維小樣本特性，容易發(fā)生特征子集的不穩(wěn)定現(xiàn)象，從而導致特征選擇結果不具有可靠性。因此，在fMRI數(shù)據(jù)的特征學習過程中，特征選擇的穩(wěn)定性甚至比分類

2、性能更重要。
　　本文采用基于隨機結構稀疏優(yōu)化的特征選擇算法來分析認知fMRI數(shù)據(jù)，在穩(wěn)定性選擇的基礎上加入約束塊子采樣過程，并利用認知活動的fMRI數(shù)據(jù)中體素的局部相關性作為算法的先驗結構信息，能夠在控制假陽性的同時保持較低的假陰性水平。在此基礎上，將隨機結構稀疏方法應用到認知活動的兩類特征選擇問題中：
　　（1）以分類準確率為目標的特征選擇問題，即通過改進特征選擇方法來提高分類表現(xiàn)。本文通過人腦對情緒識別機制的多體素模式

3、分析實驗來研究這類問題。實驗利用多種特征選擇方法來對面孔情緒數(shù)據(jù)進行特征選擇和分類，結果表明，相對于其他方法，隨機結構稀疏算法可以得到最高的分類準確率，而且能夠更好地揭示與情緒識別相關的激活腦區(qū)。
　　（2）以體素選擇準確性為目標的特征選擇問題，也就是說重點關注特征選擇而非分類準確率。在此類問題中，只用真正差異區(qū)域的一小部分體素構建分類器，分類準確率就能夠輕松達到很高甚至100％，這時關注分類準確率是沒有意義的，而真正應該關注的是