群智能算法在人腦功能劃分中的應用
趙學武 李玲玲 羅向陽
相關主題
商品描述
《群智能算法在人腦功能劃分中的應用》以人腦功能劃分方法為主線，結合群智能算法，圍繞面向功能磁共振成像（fMRI）數據的人腦功能研究，詳細介紹4種靜態人腦功能劃分方法和1種動態人腦功能劃分方法。全書共7章，首先概述了人腦功能研究及群智能算法，然後介紹了面向fMRI數據的人腦功能劃分進展，最後分別介紹了基於免疫克隆選擇算法搜索高斯混合模型（GMM）的腦島功能劃分方法、基於人工蜂群算法的人腦功能劃分方法、基於改進型粒子群的人腦功能劃分方法、基於人工水母搜索優化的人腦功能劃分方法、基於滑動窗口和人工蜂群算法的動態人腦功能劃分方法。
《群智能算法在人腦功能劃分中的應用》結構清晰、文字流暢，適合從事腦科學研究或群智能算法研究工作的讀者閱讀，也適合作為高校相關專業學生的參考書。
作者簡介
赵学武，副教授，博士，郑州航空工业管理学院智能工程学院软件工程系主任。博士毕业于北京工业大学，研究方向为数据挖掘、机器学习、脑科学与大数据。主持或参与省部级以上项目4项，发表SCI论文2篇、EI论文3篇、核心论文10余篇，指导学生参加学科竞赛并获奖10余项，参与校级和省级教改项目2项。
李玲玲，教授，博士后，郑州航空工业管理学院科技处处长，多模信息感知计算河南省工程实验室主任，河南省航空物流大数据应用技术服务工程研究中心主任。博士毕业于华中科技大学，厦门大学博士后流动站出站。研究方向为计算机视觉。教育部新世纪优秀人才，河南省创新人才、学术技术带头人，河南省“创新型科技团队”带头人、高校科技创新团队带头人，郑州市科技创新创业团队带头人，河南省高等学校青年骨干教师。主持各级科研项目16项，完成省级项目鉴定9项，出版科研作品5部，获得河南省科学技术进步二等奖、三等奖等奖项。
罗向阳，国防科技卓越青年基金获得者，河南省科技创新杰出青年，中原科技创新领军人才。先后主持国家自然科学基金项目5项，各类国家级和省部级科研项目30余项，在国内外重要学术期刊/会议发表论文200余篇，获发明专利授权30余项。
目錄大綱
目 錄
第 1章 緒論
1.1 研究背景與研究意義 2
1.2 人腦功能概述 4
1.2.1 人腦功能的物質基礎 4
1.2.2 人腦的功能 6
1.2.3 人腦功能的特點 7
1.2.4 人腦功能的研究方法 8
1.3 群智能算法概述 10
1.3.1 群智能算法發展簡史 10
1.3.2 群智能算法的特點 12
1.3.3 群智能算法在聚類中的應用 12
1.4 主要研究內容 14
1.4.1 面向fMRI數據的人腦功能劃分進展 14
1.4.2 靜態人腦功能劃分方法 14
1.4.3 動態人腦功能劃分方法 16
第 2章 面向fMRI數據的人腦功能劃分進展
2.1 fMRI數據 18
2.1.1 fMRI的基本原理 18
2.1.2 fMRI數據的採集過程 18
2.1.3 fMRI數據的特點 20
2.1.4 fMRI數據的預處理過程 20
2.2 面向fMRI數據的人腦功能劃分問題 21
2.2.1 基本概念 22
2.2.2 分類 22
2.2.3 基本流程 23
2.3 面向fMRI數據的人腦功能劃分方法 24
2.3.1 面向fMRI數據的靜態人腦功能劃分方法 25
2.3.2 面向fMRI數據的動態人腦功能劃分方法 33
2.4 常用功能一致性度量和評價指標 33
2.4.1 常用功能一致性度量 33
2.4.2 常用評價指標 35
2.5 面向fMRI數據的人腦功能劃分應用 37
2.6 存在的問題 39
2.7 本章小結 42
第3章 基於免疫克隆選擇算法搜索GMM的腦島功能劃分方法
3.1 基礎內容 44
3.1.1 免疫克隆選擇算法 44
3.1.2 高斯混合模型 45
3.1.3 腦島及其功能劃分 46
3.2 NICS-GMM描述 47
3.2.1 基本思想 47
3.2.2 抗體、抗原表示與適應度函數 48
3.2.3 初始化抗體種群和克隆抗體 48
3.2.4 計算動態鄰域信息 48
3.2.5 混合克隆變異 50
3.2.6 NICS-GMM的具體流程與分析 51
3.3 實驗結果與分析 52
3.3.1 fMRI數據及其預處理 52
3.3.2 評價指標 53
3.3.3 搜索能力的比較 54
3.3.4 劃分數的確定 55
3.3.5 劃分結果 56
3.3.6 劃分結果的連接模式 57
3.3.7 劃分結果的功能一致性 58
3.4 本章小結 59
第4章 基於人工蜂群算法的人腦功能劃分方法
4.1 人工蜂群算法概述 61
4.2 CSABC描述 63
4.2.1 基本思想 63
4.2.2 食物源表示 64
4.2.3 初始化 64
4.2.4 自適應交叉搜索 65
4.2.5 分步式搜索 66
4.2.6 CSABC的具體流程與分析 68
4.3 實驗結果與分析 70
4.3.1 fMRI數據 70
4.3.2 評價指標 71
4.3.3 模擬fMRI數據上的聚類一致性 72
4.3.4 搜索能力 73
4.3.5 劃分結果 74
4.3.6 劃分結果的功能一致性 79
4.3.7 功能連接指紋 81
4.4 討論 83
4.5 本章小結 84
第5章 基於改進型粒子群的人腦功能劃分方法
5.1 粒子群優化算法概述 86
5.2 DPPSO描述 88
5.2.1 基本思想 88
5.2.2 動態非線性慣性權重 89
5.2.3 粒子位置表示 90
5.2.4 種群拓撲的粒子歷史最優解選擇策略 90
5.2.5 DPPSO的具體流程與分析 91
5.3 實驗結果與分析 93
5.3.1 評價指標 93
5.3.2 實驗結果比較 94
5.4 討論 104
5.5 本章小結 105
第6章 基於人工水母搜索優化的人腦功能劃分方法
6.1 人工水母搜索優化算法 107
6.1.1 初始化階段 107
6.1.2 搜索階段 108
6.2 ISAJSO描述 109
6.2.1 基本思想 110
6.2.2 融入迭代停滯的時間控制機制 110
6.2.3 適應度引導的步長確定策略 111
6.2.4 ISAJSO偽代碼描述 112
6.3 實驗結果與分析 114
6.3.1 實驗數據 114
6.3.2 實驗結果比較 115
6.4 本章小結 120
第7章 基於滑動窗口和人工蜂群算法的動態人腦功能劃分方法
7.1 基礎內容 122
7.1.1 動態人腦功能劃分 122
7.1.2 滑動窗口 122
7.2 SWABC描述 123
7.2.1 基本思想 123
7.2.2 功能連接相似性最小性準則 124
7.2.3 基於混合策略的雇傭蜂搜索 125
7.2.4 動態半徑約束的偵察蜂搜索 126
7.2.5 SWABC的具體流程與分析 129
7.3 實驗結果與分析 130
7.3.1 fMRI數據與預處理 130
7.3.2 評價指標 131
7.3.3 滑動窗口長度的確定 131
7.3.4 功能狀態數的確定 132
7.3.5 各評價指標上的比較 133
7.3.6 動態功能劃分結果的驗證 140
7.4 討論 142
7.5 本章小結 143
結論 144
參考文獻 147
