论文部分内容阅读
为解决小样本和高维数据分类的过拟合和泛化问题,提出一种结合Relief算法和学习矢量量化神经网络提取特征并对被试进行分类的方法,与其它基于功能连接网络的分类方法相比提高了准确性和分类速度。研究分析不同类型的精神疾病对分类器的影响,验证了该方法在分类多种疾病方面具有普适性。通过与支持向量机、反向传播网络和卷积神经网络等机器学习方法进行比较分析,验证了此方法对小样本高维数据的分类准确性和有效性。