面向功能性脑网络的多阈值下基于多任务的特征选择方法

摘要

面向功能性脑网络的多阈值下基于多任务的特征选择方法，采用多阈值方式提取多层次的网络特征，对于阈值化后的网络利用多核多任务学习方式提取多层次特征进一步分类处理。克服了已有方法的不足，进而学习出更具有判别力和解释性的特征。该gk‑MTFS方法将每个阈值下的特征学习作为一个任务，对每个任务采用图核（构建在图上的核）保留网络的结构化信息，并采用多任务学习探索任务之间的内在关联性，进而学习出更具判别力和解释性的特征。最后在真实脑疾病数据集上进行了验证，实验结果表明，相比现阶段的方法，提出的方法对脑疾病具有更好的分类特性。