题名
基于多图核的迁移学习方法
DOI
作者
江悠 张道强 张俊艺 ​
作者单位
南京航空航天大学计算机科学与技术学院
摘要
医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍(ASD)多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能.
关键词
脑网络；图核；多中心数据；多源域迁移学习；多核学习
刊名
人工智能研究
ISSN
3078-9753
年、卷(期)
202012
所属期刊栏目
工程技术
打印