基于组选择的近似无偏稀疏脑功能超网络模型构建与分类研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对LASSO方法构建脑功能超网络模型缺乏组效应解释能力和网络有偏性问题，提出了两种基于组变量选择的近似无偏稀疏脑功能超网络模型来改善超网络的构建，分别为组最小最大凹惩罚方法和组平滑剪裁的绝对值偏差方法，并将其分别应用于抑郁症的分类研究中。分类结果显示，两种方法的分类表现均优于传统超网络模型，且组最小最大凹惩罚方法的分类准确率最高，达到86.36%。（剩余21389字）

试读结束

目录
monitor
客服机器人