论文部分内容阅读
最近,脑连接网络已经被用于神经退行性疾病（如阿尔茨海默病AD以及轻度认知障碍MCI）的诊断和分类.以往典型方法是从脑连接网络中提取一些特征（如局部聚类系数等）构成一个长特征向量,并用其训练一个分类器用于最终的分类.然而,上述方法的一个缺点是未能充分考虑网络的拓扑结构信息,因而限制了分类性能的进一步提升.提出一种基于判别子图挖掘的脑连接网络分类方法.首先分别从正类训练样本集和负类训练样本集中挖掘频繁子网络（即频繁子图）;然后利用基于图核的方法来衡量频繁子网络的判别性能,并选择那些最具判别性的频繁子网络作为判