.png){kind=icon}
返回
Empowering classification for multivariate functional data with simultaneous feature selection
.png){kind=icon}
PRE
AI
DOI：10.1177/09622802261449366.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着成像数据的日益丰富，利用多元函数型数据类型进行分类任务的机会正在涌现。受阿尔茨海默病神经影像计划提供的大量数据启发，我们提出了一种针对多元函数型数据的全新分类器。在该框架中，每个观测可能关联多个维度各异的函数过程，如曲线和图像。每个预测因子是无限维函数空间中的一个随机元素，且函数预测因子的数量可能远超样本量。通过采用稀疏深度整流线性单元网络架构并整合LassoNet算法，所提出的函数型贝叶斯信息准则深度神经网络能够同时进行特征选择与分类，这与现有的函数型数据分类器不同。该方法解决了多函数过程间复杂相关结构带来的挑战，且无需依赖分布假设。模拟研究和真实数据应用均证明了其良好的性能。
Keyword:
Classification
deep neural networks
feature selection
functional data analysis
Lasso
multivariate functional data
期刊
S
IF:
1.9
论文数:
94
被引数:
0
机构
引用论文
Joint model for survival and multivariate sparse functional data with application to a study of Alzheimer's Disease生存与多元稀疏函数型数据的联合模型及其在阿尔茨海默病研究中的应用.png)
Biometrics
OAAI
BiometricsIF0
OAAI分享收藏Rationale for use of the Clinical Dementia Rating Sum of Boxes as a primary outcome measure for Alzheimer's disease clinical trialsALZHEIMERS & DEMENTIA
ALZHEIMERS & DEMENTIAIF11.1
PREAI
分享收藏Multiclass classification for multidimensional functional data through deep neural networks基于深度神经网络的多维函数型数据多分类
OAAI
OAAI分享收藏
查看更多内容