论文部分内容阅读
针对现有单节点模型识别准确度较低以及低阶多元广义线性模型(LRMGLM)计算时间过长和使用局限性问题,提出基于扩展的低阶多元广义线性模型(ELRMGLM)的脑节点识别方法。首先,建立可以同时处理两次实验所有节点数据的ELRMGLM,以更多的时间空间信息来提高算法的准确度;然后,利用带时空平滑惩罚项的优化函数引入先验信息,并通过迭代函数对模型参数进行求解;最后,使用基于K-means的快速选择策略实现惩罚参数和大脑节点的快速选择。三次样本实验中,ELRMGLM的准确度分别比经典血液动力学响应函数(ca