资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室
北京工业大学
[2]首都医科大学宣武医院
首都医科大学宣武医院
出处：
ISSN：
关键词：
功能性磁共振成像(fMRI)
过拟合
Softmax回归
正则化
摘要：
针对功能性磁共振成像(fMRI)数据高维小样本特性给分类模型带来的过拟合问题,文中基于Softmax回归提出结合L2正则与L1正则的全脑fMRI数据特征选择框架.首先,基于大脑认知的特点,将全脑分成感兴趣区域和非感兴趣区域.然后,使用可以缩小权值系数的L2正则对感兴趣区域建模以选出感兴趣区域的全部体素,使用具有稀疏作用的L1正则对非感兴趣区域建模以选出非感兴趣区域中的激活体素.最后,结合感兴趣区域和非感兴趣区域的体素构成全脑fMRI数据的正则化Softmax回归模型.在Haxby数据集上的实验表明,L2与L1的正则化策略可有效提升全脑分类的准确率.
基金：
国家重点基础研究发展计划(973计划)项目(No.2014CB744601)； 国家自然科学基金项目(No.61375059； 61332016)； 北大方正集团有限公司数字出版技术国家重点实验室开放课题资助~~；
第一作者：
第一作者机构：
[1]北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室
推荐引用方式(GB/T 7714)：
屈永康,冀俊忠,梁佩鹏,等.基于正则化Softmax回归的全脑功能性磁共振成像数据特征选择框架[J].模式识别与人工智能.2016,29(7):641-649.
