基于动态证据融合神经网络的精神分裂症多视图分类方法

专利主权项内容

1.基于动态证据融合神经网络的精神分裂症多视图分类方法，其特征在于，包括以下步骤：S1：利用边缘到边缘、边缘到节点和节点到图卷积滤波器提取精神分裂症患者动态脑网络连接矩阵A＝{A(1), A(2), …, A(V)}每个视图的特征图dFC，其中将精神分裂症患者的动态脑网络连接矩阵依次经过三个卷积滤波器得到特征图其中1≤v≤V，V是视图数量，/>是特征图矩阵；ddddN2GS2：将每个视图的特征图分别通过三个全连接层和一个激活层Softplus，得到动态证据其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；S3：根据动态证据e为每个类标签分配一个置信度并为整个框架分配一个总体不确定性质量u，由动态证据e导出迪利克雷分布参数/>针对精神分裂症患者动态脑网络数据的时序性调整置信度后构建动态信任函数/>并计算每个视图的动态信任函数/>其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；vS4：使用证据合成规则融合每个视图的动态信任函数得到联合信任函数/>其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；S5：调整交叉熵损失并引入KL散度项D为迪利克雷分布添加先验作为正则项，如公式(1)所示，使用多视图损失作为最终的损失函数训练神经网络，如公式(2)所示：KL其中，y是第i个样本的类别k的预测结果，ψ(·)是digamma函数，λ＞0是平衡因子，P是单纯形上的类别分配概率，/>是迪利克雷分布的调整参数。iki 更多数据：