首页 > 文献资料
-
基于数学形态学与核主成分分析的峰电位检测与分类方法
目的 为抑制高强度背景噪声及信号叠加的干扰,提高峰电位的检出率和分类的正确性,本文提出一种新的无监督方法.方法 首先,应用数学形态学的复合操作对信号进行降噪,采用定阈值提取峰电位.然后,小波变换和核主成分分析法(kernel principal components analysis,KPCA)相结合,对已提取的峰电位波形进行特征提取.后,用改进的小距离法实现峰电位分类.结果 仿真实验结果表明,此方法对于不同噪声强度的信号,峰电位检出率达94%,总分类正确率91%以上,其中大量叠加信号的分类正确率88%以上.结论 本方法能在有效抑制噪声的基础上,准确提取峰电位并有效分类.
-
核主成分logistic回归模型在非线性关联分析中的应用
目的 将核主成分分析(KPCA)与logistic回归模型相结合,提出一种核主成分logistic(KPCA-based logis-tic)回归模型,用于复杂疾病基因定位的非线性关联分析.方法 针对病例对照研究设计的关联分析,对候选基因区域内的单核苷酸多肽性(SNPs)进行核主成分分析,以核主成分为自变量构建logistic回归模型,并对GAW16类风湿关节炎数据中PTPN22和RNF186两个基因区域进行分析,以验证KPCA-based logistic回归模型的有效性和实用性.结果 对PTPN22和RNF186两个基因区域的分析结果显示,KPCA-based logistic回归模型既能够检测出单点检验所能发现的区域(PTPN22),也能检测出单点检验所不能发现的区域(RNF186).结论 KPCA-based 1ogistic回归模型是一种有效的非线性关联分析方法,能够发现更多的易感区域.
关键词: 核主成分分析 Logistic回归 复杂疾病基因定位 关联分析 -
基于KPCA算法的阿尔茨海默症辅助诊断
阿尔茨海默症(AD)是一种起病隐匿、进行性发展的神经系统退行性疾病,利用磁共振成像和计算机技术对AD患者的辅助诊断是目前不断探索的新课题.本研究先对磁共振图像进行预处理和相关性分析,然后利用核主成分分析法(KPCA)对脑灰质图像进行特征提取,结合Adaboost算法进行分类,并与主成分分析法(PCA)进行对比试验.通过对AD神经影像学计划数据库中的116名AD患者、116名轻度认知障碍患者,以及117名正常对照的脑部功能磁共振成像进行的研究表明,利用机器学习能够很有效地辅助诊断AD脑部疾病,KPCA算法对图像进行特征提取比PCA算法更加充分完备,分类结果更加精确,能够获得更好的AD辅助诊断结果.
-
基于t分布邻域嵌入算法的流式数据自动分群方法
流式细胞仪中多参数流式数据分群传统方法主要是利用专业软件采取人工设门方式,圈出目标细胞进行分析,分析过程较为复杂,专业性较强.基于此,本文提出了一种基于t分布邻域嵌入(t-SNE)算法对多参数流式数据进行分群处理.该算法将样本数据在高维空间中的欧几里德距离转化为条件概率来表征相似性,使数据降到低维空间.本文通过使用流式细胞仪处理染色后的人体外周血细胞,并将处理后的数据导出作为实验样本数据,对其利用t-SNE算法进行降维,并与核主成分分析(KPCA)降维算法对比,分别使用K均值(K-means)算法对降维得到的主成分数据进行分类.结果表明,t-SNE算法对呈非对称且有拖尾分布的细胞类群具有很好的分群效果,分群准确率可达92.55%,或可有助于多色多参数流式数据进行自动分析.
-
基于自回归小波包熵特征融合算法的情感识别研究
针对提高情感识别正确率这一国际开放问题,本文提出了一种基于小波包熵和自回归模型相结合的脑电信号特征提取算法.自回归过程能大程度逼近脑电信号,用很少的自回归参数提供丰富的谱信息.小波包熵反映脑电信号在各个频带中的谱能量分布情况.将二者结合,能够更好地体现脑电信号的能量特征.本文基于核主成分分析方法,实现了脑电信号特征提取融合.课题组采用情感脑电国际标准数据集(DEAP),选取6类情感状态以本文算法进行情感识别.结果显示,本文算法情感识别正确率均在90%以上,高情感识别正确率可达99.33%.本文的研究结果表明,该算法能够较好地提取脑电信号情感特征,是一种有效的情感特征提取算法.
-
基于核主成分分析的流式细胞数据分群方法研究
针对多参数流式细胞数据分析过程复杂、自动化程度不高、要求操作者具有一定专业背景等问题,本文提出了一种基于核主成分分析算法(KPCA)进行多参数流式细胞数据分群的方法.利用KPCA对多参数流式细胞数据进行非线性变换,降低数据的维度,得到主成分特征变量下的散点图分群结果,并使用改进的K-means聚类算法实现不同亚群的自动设门.以人体外周血淋巴细胞样本检测结果为实验数据,分别对其进行传统分群、主成分分析(PCA)分群、KPCA分群处理,并对特征参数的选取进行了探索.结果表明,KPCA方法能够较好地应用于多参数流式细胞数据分析中,与传统细胞分群方法相比,该方法无需操作者具备专业知识,即可实现快速准确的自动分群,能够提高流式细胞仪临床诊断分析的效率.
-
基于CBIR技术的眼底图像自动分类检索系统
为实现一个眼底图像自动识别检索的原型系统,本文采用基于内容的图像检索(CBIR)技术提出一种综合考虑眼底图像颜色(灰度)直方图和明、暗区域等局部信息相混合来表示眼底特征的方法,运用核主成分分析(KPCA)法进一步提取非线性特征和降维.在相似性度量上,提出一种利用支持向量机(SVM)对KPCA加权距离来度量的方法.用该系统随机测试300个样本,检索错误的图片总数为32张,其检索率为89.33%.实验表明该原型系统对眼底图像的识别率极高.