[發明專利]一種基于張量局部保持投影的大腦認知狀態的識別方法

無效

• 申請號: 201310424991.1
• 申請日: 2013-09-17
• 公開（公告）號: CN103440512A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 董明皓;袁森;李軍;王洪勇;徐鑫秀;李文思;王苓芝;趙恒;秦偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：高維張量空間中相近或相離的兩點，嵌入到低維張量空間以后仍然保持相近或相離的關系以及采用基于張量距離的分類器進行判定，包括以下步驟：

1)大腦認知狀態fMRI數據的預處理及分組；

2)構建近鄰圖G及相應的關聯矩陣S；

3)計算訓練樣本集的特征分解，并求出相應的特征變換矩陣，最后計算訓練樣本的低維嵌入；

4)分類識別，計算測試樣本集的低維嵌入，利用基于張量距離的近鄰分類器對其進行判別分類。

2.根據權利要求1所述的一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：所述步驟1)中，大腦認知狀態fMRI數據的預處理及分組，包括下面幾個步驟：

a)選用SPM8軟件對fMRI數據進行預處理：包括時間片校正、空間校正、配準圖像、圖像標準化和平滑處理步驟；

b)數據的分組：將預處理后的圖像數據按照掃描時間序列以及認知行為實驗類別進行重新組合，每個類別選取一定的樣本點構成試驗數據，即為訓練數據，剩下的樣本點作為測試數據。

3.根據權利要求1所述的一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：所述步驟2)中，構建近鄰圖G及相應的關聯矩陣S，其具體步驟如下：

假設有n個樣本點A₁，....，A_n，其中I_k是張量的k模式維數，采用k近鄰方式構建近鄰圖G來表示M的局部幾何結構；根據構造的近鄰圖G，得到其相應的關聯矩陣S=[s_i,j]_n×n，其中S是基于熱核方法來定義的。

4.根據權利要求3所述的一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：所述的k近鄰方式即當且僅當張量空間兩點中，一點在另一點的最近的k個點中，兩點之間有邊相連。

5.根據權利要求1所述一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：所述步驟3)中，計算訓練樣本集的特征分解，并求出相應的特征變換矩陣，最后計算訓練樣本的低維嵌入，其具體步驟如下：

假設為相應的轉換矩陣，根據近鄰圖G和相關矩陣S，基于張量的局部保留映射算法的最優化問題表示為：

argminQ(U1,...,Uk)=Σi,j||Ai×1...×kUk-Aj×1...×kUk||F2Sij]]>

基于張量和矩陣跡的特征，將上面的最優化問題重新改寫為：

argminPf(Uf)=tr{Uf(Σi,j(Yi(f)-Yj(f))(Yi(f)-Yj(f))TSij)UfT}]]>

轉換矩U_f通過求解

(Σi,j(Yi(f)-Yj(f))(Yi(f)-Yj(f))TSij)u=λ(ΣiYi(f)Yi(f)Tdii)u]]>廣義特征值方程對應的l_f個最小的特征值所對應的特征向量來獲得；其他維度上對應的轉換矩陣可以按照此方法依次進行，直到計算出所有的轉換矩陣；最后，訓練樣本的嵌入可以表示為：

Bi=Ai×1U1T...×kUkT(Bi⋐Rl1×...lk,i=1,...,n).]]>

6.根據權利要求1所述的一種基于張量局部保持投影的大腦認知狀態的識別方法，其特征在于：所述步驟4)中，分類識別，計算測試樣本集的低維嵌入，利用基于張量距離的近鄰分類器對其進行判別分類，其具體步驟如下：

假設測試樣本數為m個，樣本集為(X₁,X₂,…,X_m)，通過步驟3）中所得到的轉換矩陣計算測試樣本的嵌入：

xi=Xi×1U1T...×kUkT(xi⋐Rl1×...lk,i=1,...,m)]]>

在得到訓練樣本和測試樣本的嵌入的基礎上，利用基于張量距離的近鄰分類器進行分類，得到每一個測試樣本所屬的類別，即預測出大腦的認知狀態。