[TOC]

SCZ research

Person相关矩阵

• 计算Person相关矩阵，并取其上三角；
• 滑动窗口计算Person相关矩阵。

PCA

使用PCA降维

NMF

使用NMF降维

AutoEncoder

使用Autoencoder降维。

实验结果

分类结果

模型	数据集	acc	epoch
SVM	Pos: 149 Neg: 103	0.70 ± 0.09	-
MLP	Pos: 149 Neg: 103	0.7692	900
NMF_32-MLP	Pos: 149 Neg: 103	0.7692	500
NMF_128-SVM	Pos: 149 Neg: 103	0.68 ± 0.08	-
NMF_128-MLP	Pos: 149 Neg: 103	0.7308	800

分析讨论

• 线性NMF降低维度时损失大量信息，使降维后的特征矩阵在SVM和MLP分类器中的表现均出现下降。

• NMF降维可以加快MLP训练收敛速度。

• autoencoder获得编码其实较为稀疏