一种基于样本权重和低秩约束的多模态神经影像特征选择方法

摘要

本发明公开了一种基于样本权重和低秩约束的多模态神经影像特征选择方法，包括以下步骤：(1)多模态脑影像数据采集；(2)获得多个模态的数据后，采用多模态特征协同分析的方式进行特征选择，建立每个模态数据到分类类标的回归模型，对回归向量进行组稀疏约束，从而获得对所有任务都相关的公共特征子集；(3)多模态数据特征建模；(4)将目标函数写成增广拉格朗日形式，目标函数变为凸函数；(5)得到每个样本的每个模态的权重矩阵、每个特征的权重；(6)利用多核支持向量机的方法融合样本多模态特征进行分类。上述技术方案，不仅考虑模态间样本的重要性，还考虑了模态之间的相关性，找出更有意义的特征，提高分类和预测的准确性。