文献

J-GLOBAL ID：201902231623866671   整理番号：19A2057232

瞬時遷移率モデルに基づく脳ネットワーク状態観測アルゴリズム【JST・京大機械翻訳】

A brain network state observation algorithm based on instantaneous transition rate model

著者 (5件)： Liu Chang (昆明理工大学信息工程与自動化学院,云南 昆明,650500) ,  Wang Bin (昆明理工大学信息工程与自動化学院,云南 昆明,650500) ,  Xue Jie (云南警官学院信息网絡安全学院,云南 昆明,650500) ,  Xiong Xin (昆明理工大学信息工程与自動化学院,云南 昆明,650500) ,  Guo Ziyang (昆明理工大学信息工程与自動化学院,云南 昆明,650500)
資料名： Jisuanji Gongcheng Yukexue  (Jisuanji Gongcheng Yukexue)
巻： 41  号： 7  ページ： 1325-1334  発行年： 2019年 
JST資料番号： C2938A  ISSN： 1007-130X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 脳ネットワーク状態観測におけるK-meansなどのクラスタリング法の安定性とロバスト性が悪いという欠点に照準を定めて,瞬間的遷移率モデルに基づく脳ネットワーク状態観測アルゴリズムを提案した。状態変換臨界点をグループ分け統計と分析を通じて、各臨界時点の状態遷移率を計算し、それに基づいて脳ネットワーク状態観測アルゴリズムを構築し、区間推定法を用いて状態転換の観測効果に対して推定と検証を行った。脳ネットワークデータベースのサンプルにおける実験結果は,K-means等脳ネットワーク状態クラスタ化観測アルゴリズムと比較して,このアルゴリズムが,異なる条件におけるクラスタリング安定性が良好で,サンプル差の適応性がより強く,パラメータ選択の影響がより小さく,脳ネットワーク状態変換の傾向を直観的に観測できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 臨界 ,  *ネットワーク ,  臨界点 ,  適応性 ,  ロバスト性 ,  クラスタ化 ,  *アルゴリズム ,  *モデル
準シソーラス用語： パラメータ選択 ,  区間推定 ,  状態遷移 ,  クラスタリング法 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (6件)： 瞬時 ,  遷移 ,  モデル ,  脳ネットワーク ,  観測 ,  アルゴリズム