群智能算法在人腦功能劃分中的應(yīng)用

目　錄
第 1章　緒論
1.1　研究背景與研究意義　2
1.2　人腦功能概述　4
1.2.1　人腦功能的物質(zhì)基礎(chǔ)　4
1.2.2　人腦的功能　6
1.2.3　人腦功能的特點 　7
1.2.4　人腦功能的研究方法　8
1.3　群智能算法概述　10
1.3.1　群智能算法發(fā)展簡史　10
1.3.2　群智能算法的特點　12
1.3.3　群智能算法在聚類中的應(yīng)用　12
1.4　主要研究內(nèi)容　14
1.4.1　面向fMRI數(shù)據(jù)的人腦功能劃分進(jìn)展　14
1.4.2　靜態(tài)人腦功能劃分方法　14
1.4.3　動態(tài)人腦功能劃分方法　16
第 2章　面向fMRI數(shù)據(jù)的人腦功能劃分進(jìn)展
2.1　fMRI數(shù)據(jù)　18
2.1.1　fMRI的基本原理　18
2.1.2　fMRI數(shù)據(jù)的采集過程　18
2.1.3　fMRI數(shù)據(jù)的特點　20
2.1.4　fMRI數(shù)據(jù)的預(yù)處理過程　20
2.2　面向fMRI數(shù)據(jù)的人腦功能劃分問題　21
2.2.1　基本概念　22
2.2.2　分類　22
2.2.3　基本流程　23
2.3　面向fMRI數(shù)據(jù)的人腦功能劃分方法　24
2.3.1　面向fMRI數(shù)據(jù)的靜態(tài)人腦功能劃分方法　25
2.3.2　面向fMRI數(shù)據(jù)的動態(tài)人腦功能劃分方法　33
2.4　常用功能一致性度量和評價指標(biāo)　33
2.4.1　常用功能一致性度量　33
2.4.2　常用評價指標(biāo)　35
2.5　面向fMRI數(shù)據(jù)的人腦功能劃分應(yīng)用　37
2.6　存在的問題　39
2.7　本章小結(jié)　42
第3章　基于免疫克隆選擇算法搜索GMM的腦島功能劃分方法
3.1　基礎(chǔ)內(nèi)容　44
3.1.1　免疫克隆選擇算法　44
3.1.2　高斯混合模型　45
3.1.3　腦島及其功能劃分　46
3.2 　NICS-GMM描述　47
3.2.1　基本思想　47
3.2.2　抗體、抗原表示與適應(yīng)度函數(shù)　48
3.2.3　初始化抗體種群和克隆抗體　48
3.2.4　計算動態(tài)鄰域信息　48
3.2.5　混合克隆變異　50
3.2.6　NICS-GMM的具體流程與分析　51
3.3　實驗結(jié)果與分析　52
3.3.1　fMRI數(shù)據(jù)及其預(yù)處理　52
3.3.2　評價指標(biāo)　53
3.3.3　搜索能力的比較　54
3.3.4　劃分?jǐn)?shù)的確定　55
3.3.5　劃分結(jié)果　56
3.3.6　劃分結(jié)果的連接模式　57
3.3.7　劃分結(jié)果的功能一致性　58
3.4　本章小結(jié)　59
第4章　基于人工蜂群算法的人腦功能劃分方法
4.1　人工蜂群算法概述　61
4.2　CSABC描述　63
4.2.1　基本思想　63
4.2.2　食物源表示　64
4.2.3　初始化　64
4.2.4　自適應(yīng)交叉搜索　65
4.2.5　分步式搜索　66
4.2.6　CSABC的具體流程與分析　68
4.3　實驗結(jié)果與分析　70
4.3.1　fMRI數(shù)據(jù)　70
4.3.2　評價指標(biāo)　71
4.3.3　模擬fMRI數(shù)據(jù)上的聚類一致性　72
4.3.4　搜索能力　73
4.3.5　劃分結(jié)果　74
4.3.6　劃分結(jié)果的功能一致性　79
4.3.7　功能連接指紋　81
4.4　討論　83
4.5　本章小結(jié)　84
第5章　基于改進(jìn)型粒子群的人腦功能劃分方法　
5.1　粒子群優(yōu)化算法概述　86
5.2　DPPSO描述　88
5.2.1　基本思想　88
5.2.2　動態(tài)非線性慣性權(quán)重　89
5.2.3　粒子位置表示　90
5.2.4　種群拓?fù)涞牧Ｗ託v史最優(yōu)解選擇策略　90
5.2.5　DPPSO的具體流程與分析　91
5.3　實驗結(jié)果與分析　93
5.3.1　評價指標(biāo)　93
5.3.2　實驗結(jié)果比較　94
5.4　討論　104
5.5　本章小結(jié)　105
第6章　基于人工水母搜索優(yōu)化的人腦功能劃分方法
6.1　人工水母搜索優(yōu)化算法　107
6.1.1　初始化階段　107
6.1.2　搜索階段　108
6.2　ISAJSO描述　109
6.2.1　基本思想　110
6.2.2　融入迭代停滯的時間控制機(jī)制　110
6.2.3　適應(yīng)度引導(dǎo)的步長確定策略　111
6.2.4　ISAJSO偽代碼描述　112
6.3　實驗結(jié)果與分析　114
6.3.1　實驗數(shù)據(jù)　114
6.3.2　實驗結(jié)果比較　115
6.4　本章小結(jié)　120
第7章　基于滑動窗口和人工蜂群算法的動態(tài)人腦功能劃分方法
7.1　基礎(chǔ)內(nèi)容　122
7.1.1　動態(tài)人腦功能劃分　122
7.1.2　滑動窗口　122
7.2　SWABC描述　123
7.2.1　基本思想　123
7.2.2　功能連接相似性最小性準(zhǔn)則　124
7.2.3　基于混合策略的雇傭蜂搜索　125
7.2.4　動態(tài)半徑約束的偵察蜂搜索　126
7.2.5　SWABC的具體流程與分析　129
7.3　實驗結(jié)果與分析　130
7.3.1　fMRI數(shù)據(jù)與預(yù)處理　130
7.3.2　評價指標(biāo)　131
7.3.3　滑動窗口長度的確定　131
7.3.4　功能狀態(tài)數(shù)的確定　132
7.3.5　各評價指標(biāo)上的比較　133
7.3.6　動態(tài)功能劃分結(jié)果的驗證　140
7.4　討論　142
7.5　本章小結(jié)　143
結(jié)論　144
參考文獻(xiàn)　147