导读:本文包含了局部最小生成树论文开题报告文献综述及选题提纲参考文献，主要关键词:最小生成树,局部差异网络,抑郁症,脑网络
局部最小生成树论文文献综述
李舒婷[1]（2019）在《基于局部差异的最小生成树功能脑网络分类研究》一文中研究指出复杂脑网络的分析与研究是近几年来神经精神疾病领域的研究热点。作为复杂网络理论在神经认知科学的具体应用,复杂脑网络在了解有关神经精神疾病的发病机理方面起到了很重要的作用。将图论应用于复杂网络中,会为复杂网络的研究提供更多的方向和思路。最小生成树是应用最为广泛的图论算法之一,作为新兴的有效研究手段,活跃于神经精神疾病的相关研究中。该方法能够确保脑网络的连通性,按一定规则对边进行删减,最终获得总权重最小的生成树。在进行相关指标的计算时,其结果也不会受到网络大小以及密度等因素的干扰,同时,该网络在神经学上也具有良好的可解释性。尽管这一领域已经取得许多令人惊喜的成果,但仍然存在一些亟待解决的问题。先前的研究发现,传统最小生成树的特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息丢失,较其他网络特征而言,其分类正确性明显偏低,特征有效性和分类准确率都将会因此下降。在此基础上,本文希望找到一种综合方法既可以最大程度实现组间差异的表征,又能提供更多更有效的分类特征,以服务分类研究。为解决这些问题,本文提出了一种在局部差异网络的基础上构建最小生成树功能网络进行特征提取的新方法。具体的创新工作如下:首先,基于网络的统计被用于识别抑郁组与对照组间功能连接强度有明显区别的连接及连接所涉及的大脑区域,作为构建局部差异网络的第一步。该方法是对大型网络进行统计分析的一种处理图上多重比较问题的非参数统计的有效方法。许多研究已经使用这种方法来识别与实验效果或组间差异相关的连接以及包含人类连接体的网络。其次,对每个局部差异子网进行最小生成树脑网络的构建。所构建的网络在确保连通性的同时,尽可能保持较高的连接强度。本文分别构建以每个脑区及其差异连接所涉及的脑区为节点的局部差异网络,在此基础上,对每个子网进行最小生成树功能连接网络的构建,进行下一步的分析研究。最后,本文对局部差异最小生成树脑网络进行分类研究。大脑作为一种复杂网络,需要对其从多方面进行量化。在每一个局部差异最小生成树脑网络上进行全局和局部指标的计算,可以获得更多可用于分类的有效特征,能在一定程度上提升分类准确率。结果表明,与传统在全脑使用最小生成树构建脑网络的分类方法相比,本文的方法能够提供更多的有效特征,这将使分类准确率有明显的提升。本文为今后在脑网络拓扑属性分析及机器学习应用方面,对网络构建以及特征提取提供重要的可参考依据,也为医学辅助诊断和脑科学特别是脑疾病的研究提供一定的帮助。本文是国家自然科学基金项目《静息态功能脑网络高阶复杂时空效应分析及建模研究》(61876124)的主要组成部分。研究工作还得到了山西省科技厅应用基础研究项目(201801D121135),山西省教育厅高等学校科技创新研究项目(2016139),山西省科技厅重点研发计划项目(201803D31043),教育部赛尔网络下一代互联网技术创新项目(NGII20170712)的支持。本文的关键是在局部差异最小生成树脑网络上进行相关的研究,以及发掘脑疾病患者在其脑网络上发生的改变,希望能获得可以为脑疾病早期诊断起到一定帮助的标志物。这一课题在国际和国内都非常热门且重要。(本文来源于《太原理工大学》期刊2019-06-01）
秦梦娜[2]（2018）在《基于子图模式和局部网络属性的高序最小生成树脑网络研究》一文中研究指出多年来,人类一直致力于大脑的研究,其中,大脑结构网络以及挖掘脑网络的连接规律成为自然科学领域、脑科学领域以及神经影像学领域的研究热点。在神经影像学研究中,通过探索大脑区域间结构和功能的相互作用可以帮助更好的了解脑疾病的病理学。随着脑网络研究越来越受到科学家们的注重,构建功能连接网络并结合不同技术挖掘脑网络的连接规律和拓扑结构已经成为当下的研究热点。而静息态功能连接网络已成为构建人脑功能连接网络最受欢迎的技术之一。静息态功能连接网络能够自发的检测大脑神经网络的低频活动从而可以监测到与脑疾病相关的生物学标志。但传统的fMRI分析中假定功能连接的时间序列是相对静止的,计算不同大脑区域间的功能连接强度时仅仅测量的是静息态功能磁共振(RS-fMRI)数据的整个时间序列的相关性,这实际隐藏着一个假设是脑区之间存在稳定的相互作用模式。这种方法的存在一个问题是,忽视了整个扫描过程中可能发生的神经活动,而有可能正是扫描时间内的微妙的神经活动引起了某种病的发生。基于动态的高序功能连接网络通过时间窗来划分时间序列以此反映网络中包含的丰富的动态时间信息,已被广泛应用在脑疾病的分类研究中,但是高序功能连接网络的构建是使用了两次皮尔逊相关,这使得该方法容易忽视了一些时域信息和不能很好的测量复杂区域间的相互作用,其次高序功能连接网络由于规模较大,利用复杂网络或图理论计算的方法计算一些拓扑指标时消耗较大。基于此,本文采用了高序功能连接网络上构建最小生成树网络降低计算消耗,缩小高序功能连接网络的规模庞大不利于后续网络分析的问题。当前,基于传统的局部网络指标的方法广泛被用来分析和分类脑网络,但该方法存在一个明显不足是功能连接网络中包含的一些网络拓扑结构信息可能丢失(样本本身的拓扑信息或者样本间的公共拓扑信息)继而影响到属性的计算同时降低了分类器的性能,而采用子图模式作为特征正好弥补了这一缺陷。但值得注意的是,无论是基于传统的可量化网络特征的方法还是使用基于子图模式的方法都会有样本息的丢失,因此,本文从局部网络属性和通过频繁子图挖掘技术捕获的判别性的子图模式这种不同类型的特征角度出发来验证本研究所提出的高序最小生成树网络的性能。(本文来源于《太原理工大学》期刊2018-06-01）
王鹏杰,潘志庚,徐明亮,刘勇奎[3]（2011）在《基于局部最小生成树的点模型快速无损压缩算法》一文中研究指出点模型数据往往非常庞大,需要对这些数据高效压缩以方便进行存储和网络传输.提出了一个高效快速的点模型无损压缩算法.首先将点模型表面切分成多个小面块;以每个块为单位,生成最小生成树并按宽度优先顺序对树形结构进行编码,同时沿树形结构预测.最后,将预测值与真实值分解成符号位、指数和尾数3个部分,分别做差并在各自的上下文中用算数编码压缩.算法在压缩时间和压缩率两项指标上超过以往的点模型无损压缩算法.可以作为点模型压缩算法的一个有益补充,用来对精度要求高的工程数据进行压缩.(本文来源于《计算机研究与发展》期刊2011年07期）
李南希,李榕[4]（2008）在《基于最小生成树和局部阈值的彩色图像分割方法》一文中研究指出针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。(本文来源于《激光杂志》期刊2008年03期）
云日升,彭海良[5]（2004）在《基于局部最小生成树的干涉SAR二维相位展开》一文中研究指出二维相位展开是干涉SAR数据处理中的关键步骤之一。该文在分支优化模型的基础上提出一种基于局部最小生成树的干涉SAR二维相位展开算法。该钟.法克服了经典的Goldstein算法中残余点之间重复连接形成闭合区域的缺点。同时由于质量图的使用,优化了残余点的连接,局部最小化了分支的总长度,实验结果证实了该算法的有效性。(本文来源于《电子与信息学报》期刊2004年02期）
局部最小生成树论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多年来,人类一直致力于大脑的研究,其中,大脑结构网络以及挖掘脑网络的连接规律成为自然科学领域、脑科学领域以及神经影像学领域的研究热点。在神经影像学研究中,通过探索大脑区域间结构和功能的相互作用可以帮助更好的了解脑疾病的病理学。随着脑网络研究越来越受到科学家们的注重,构建功能连接网络并结合不同技术挖掘脑网络的连接规律和拓扑结构已经成为当下的研究热点。而静息态功能连接网络已成为构建人脑功能连接网络最受欢迎的技术之一。静息态功能连接网络能够自发的检测大脑神经网络的低频活动从而可以监测到与脑疾病相关的生物学标志。但传统的fMRI分析中假定功能连接的时间序列是相对静止的,计算不同大脑区域间的功能连接强度时仅仅测量的是静息态功能磁共振(RS-fMRI)数据的整个时间序列的相关性,这实际隐藏着一个假设是脑区之间存在稳定的相互作用模式。这种方法的存在一个问题是,忽视了整个扫描过程中可能发生的神经活动,而有可能正是扫描时间内的微妙的神经活动引起了某种病的发生。基于动态的高序功能连接网络通过时间窗来划分时间序列以此反映网络中包含的丰富的动态时间信息,已被广泛应用在脑疾病的分类研究中,但是高序功能连接网络的构建是使用了两次皮尔逊相关,这使得该方法容易忽视了一些时域信息和不能很好的测量复杂区域间的相互作用,其次高序功能连接网络由于规模较大,利用复杂网络或图理论计算的方法计算一些拓扑指标时消耗较大。基于此,本文采用了高序功能连接网络上构建最小生成树网络降低计算消耗,缩小高序功能连接网络的规模庞大不利于后续网络分析的问题。当前,基于传统的局部网络指标的方法广泛被用来分析和分类脑网络,但该方法存在一个明显不足是功能连接网络中包含的一些网络拓扑结构信息可能丢失(样本本身的拓扑信息或者样本间的公共拓扑信息)继而影响到属性的计算同时降低了分类器的性能,而采用子图模式作为特征正好弥补了这一缺陷。但值得注意的是,无论是基于传统的可量化网络特征的方法还是使用基于子图模式的方法都会有样本息的丢失,因此,本文从局部网络属性和通过频繁子图挖掘技术捕获的判别性的子图模式这种不同类型的特征角度出发来验证本研究所提出的高序最小生成树网络的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
局部最小生成树论文参考文献
[1].李舒婷.基于局部差异的最小生成树功能脑网络分类研究[D].太原理工大学.2019
[2].秦梦娜.基于子图模式和局部网络属性的高序最小生成树脑网络研究[D].太原理工大学.2018
[3].王鹏杰,潘志庚,徐明亮,刘勇奎.基于局部最小生成树的点模型快速无损压缩算法[J].计算机研究与发展.2011
[4].李南希,李榕.基于最小生成树和局部阈值的彩色图像分割方法[J].激光杂志.2008
[5].云日升,彭海良.基于局部最小生成树的干涉SAR二维相位展开[J].电子与信息学报.2004