一种基于多线性主元分析的大脑认知状态判定方法

摘要

本发明公开了一种基于多线性主元分析的大脑认知状态判定方法，包括如下步骤：1)输入样本集，对输入数据进行预处理；2)计算训练样本集的特征分解，求出最优特征变换矩阵，将训练样本投射到张量特征子空间，得到训练集的特征张量集；3)将降维后的低维特征张量数据矢量化作为LDA的输入，求出LDA最优投射矩阵，并将矢量化的低维特征张量数据投射到LDA特征子空间进一步提取训练集的判别特征向量；4)特征分类，将训练图像和测试图像的投射所得判别特征向量进行特征匹配，进而分类。本发明利用多线性主元分析直接对多阶张量数据进行降维和特征提取，克服了传统PCA单纯的进行降维而破坏了原始图像数据的结构和相关性，不能完全保持原始图像中的冗余和结构的不足，保留了fMRI成像数据的空间结构信息。