基于粒子群-支持向量机的时间序列分类诊断模型

来源：同济大学学报·自然科学版杂志2016年第9期北京时间：

作者：张涛

单位：上海财经大学,上海财经大学,同济大学,复旦大学

摘要：构建一种基于粒子群算法支持向量机(PSOSVM)的磁共振功能成像(fMRI)时间序列分类诊断模型，通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分，为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作：(1) 构建基于自回归模型的脑区多维时间序列数据特征表示；(2) 构建基于支持向量机模型的脑区多维时间序列数据分类机制；(3) 构建基于粒子群算法的分类学习参数寻优策略；(4) 建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例，所提出分类诊断模型已取得良好实验效果，展示出其有效性与合理性.

关键词：fMRI多维时间序列, 分类诊断, 自回归模型, 支持向量机(SVM), 粒子群算法(PSO)

基金资助：国家自然科学基金资助项目(71171126, 61170095); 教育部高等学校博士学科点专项科研基金(20130078110001); 上海市科学技术委员会2016年度“科技创新行动计划”资助项目(16511104704);同济大学青年优秀人才培养计划(1508-219-040)