基于ICA的谱聚类方法在特征捆绑中的应用-论文.pdf

《基于ICA的谱聚类方法在特征捆绑中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年1月计算机工程与设计Jan．2014第35卷第1期COMIPUTERENGINEERINGANDDESIGNV0L35No．1基于ICA的谱聚类方法在特征捆绑中的应用董云云，邢桂阳，邓红霞，李海芳+(太原理工大学计算机科学与技术学院，山西太原030024)摘要：为探究视觉系统处理图像颜色和形状时的特征捆绑问题，提出了基于独立成分分析的谱聚类方法。利用独立成分分析对任务态下的fMRI数据进行成分的提取，利用谱聚类算法对成分和任务之间的相关系数进行谱聚类分析，得到一种基于独立成分的谱聚类方法。将该算法应用于颜色和形状的特征捆绑任务中，结合提出的认知减法，得出了任务态下参与特征捆绑的主要

2、激活脑区，并对任务态下认知颜色和形状的主要脑区进行了分析研究，为建立视觉特征捆绑的认知模型提供理论基础，表明了该方法适用于多任务的fMRI数据分析。关键词：特征捆绑；独立成分分析；相关分析；谱聚类；认知减法中图法分类号：TP391文献标识号：A文章编号：1000—7024(2014)01-0276—06SpectralclusteringbasedonICAforfeaturebindingDONGYun-yun，XINGGui—yang，DENGHong—xia，LIHai—fang+(CollegeofComputerScienceandTechnology，TaiyuanUnivers

3、ityofTechnology，Taiyuan030024，China)Abstract：SpectralclusteringmethodbasedonindependentcomponentanalysisisproposedtoexplorefeaturebindingofColorandshapeinvisualsystem．FirstindependentcomponentisextractedfromtaskfMRIdata．Thencorrelationcoefficientbetweenthecompositionsandtasksiscalculated．Finallycor

4、relationcoefficientmatrixisclustered．Spectralclusteringalgorithmbasedonin—dependentcomponentisacquired．Thealgorithmisappliedtothefeaturebindingofcolorandshapecombinedwiththeproposedcognitionsubtraction．Theconclusionisdrawnthatactivatebrainregionsinvolvedinfeaturebindingtaskandthemainbrainre—gionswh

5、ichcognizecolorandshapeareanalyzed．Theoreticalbasisisprovidedfortheestablishmentofthecognitivemodelofvisualfeaturebinding．TheresultsprovethealgorithmisapplicabletomultbtaskfMRIdata．Keywords：featurebinding；independentcomponentanalysis(ICA)；correlationanalysis；spectralclustering；cognitivesubtrac—tion

6、方法是在不知源信号分布并且不知混合模型的情况下，从0引言混合信号中分离出相互独立的源信号的技术。ICA分为时物体是由颜色、大小、形状等不同的属性组成的，不间ICA和空间ICA：。聚类分析也是常用的数据驱动方法，同的属性在大脑的不同部位加工。为了把离散的特征知觉为了可以在任意的样本空间进行聚类分析，并且收敛于全成一个整体，需要把在不同大脑皮层知觉的属性组合起来，局最优解，研究者提出了一种新的聚类算法——谱聚类。即为“特征捆绑”_1]。特征捆绑一直是神经科学、认知科学许多研究者把独立成分分析和聚类分析相结合来解决和脑科学研究的热点问题。功能磁共振成像(functional问题。王惠南等人利用独立

7、成分分析结合时间聚类分析提magneticresonanceimaging，fMRI)是探究大脑神经活动取出发作期间的癫痫fMRI时空激活信息l3]。的有效技术手段。fMRI数据的分析方法主要是数据驱动方WangYuqing等人利用独立成分分析和层次聚类相结法。独立成分分析和聚类分析是两种常用的数据驱动方法。合的方法来识别人在运动想象和运动执行多任务下的不同独立成分分析(independentcomponen