摘要：运用SVM技术处理功能磁共振成像(fMRI)数据,在辅助脑神经疾病分类领域已经取得许多成果。由于fMRI的小样本和高维度特性,如何最大限度地降维以及提高分类精确度依然是研究的热点。在研究加权随机SVM集群算法的基础上,提出一种进化的加权随机SVM集群(EWRSVMC)。首先随机挑选样本和特征构建SVM集成分类器,通过训练使每个SVM获取权重,以优化模型的集成性能;其次从特征选择角度出发,动态地从高维样本中逐轮淘汰无用数据,做到可控降维的同时又不损失异常特征,经过多轮进化后获得最优的异常特征集。采用该算法对阿尔茨海默病(AD)患者的数据展开分类研究,结果表明,准确率最高可达88.89%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社