1.一种用于抑郁症脑部图像的类属共享半监督特征选择方法,其特征在于,包括如下步骤:S10、读取抑郁症脑部图像数据,对其进行预处理和划分,包括有标记和无标记数据,构建一个四元组决策信息系统S=<U,C∪D*,V,f>,其中U表示抑郁症脑部区域图像数据的样本集,C表示条件属性,D*表示决策属性的非空有限集,被称为决策属性,且S20、对于有标记数据和无标记数据分别根据距离度量构造模糊信息粒形成模糊相似关系;
S30、根据最大相关最小冗余策略,刻画抑郁症数据特征重要度;
S40、将标签特定特征选择方法和动态优化策略结合,选取预测抑郁症的重要脑区域;
所述步骤S20包括如下步骤:
S21、对于抑郁症脑部区域图像有标记数据形成模糊相似关系Rcir,;
S27、对于抑郁症脑部区域图像无标记数据集,逐一取当前无标记样本yj,构造以当前无标记样本yj为圆心,为半径的模糊信息粒xci为类别i的类别中心;
S28、再构造以样本中心点为圆心,为半径的模糊信息粒
S29、选取构造的两个模糊球的交集部分即共享模糊信息粒,依次添加一个抑郁症脑部区域无标记样本,更新邻域集合δ,邻域内样本和无标记数据的模糊相似关系Rcir;
所述步骤S30包括如下步骤:
S31、为给定的部分决策系统生成模糊决策,表示为D={D1,D2,...,Dk}标记过程;
S32、计算每个有标记抑郁症脑部样本xj与模糊决策的模糊隶属度其定义如下:其中[xj]c是相对于有标记数据的模糊相似关系Rcir的模糊相似类;xci为xj的类别中心;
S33、对于抑郁症脑部区域未标记样本中的任一样本xt,它的隶属度定义为:其中[xt]c是相对于无标记数据的模糊相似关系Rcir的模糊相似类;
S34、计算抑郁症脑部区域无标记数据的每个决策类别对应的模糊决策,记为Di,具体表示如下:其中,T是一个控制锐化强度的参数,作为T→0,模糊决策将接近一个热决策,即类似于硬标签,通过使用锐化函数生成模糊决策,k表示决策类别个数;
S37、根据模糊相关性最大化和模糊冗余最小化的原则,定义了一种新的将候选特征c的模糊相关性和模糊冗余相结合的半监督准则:其中,Cs是一个已经被选择的特征子集,表示模糊相关性Jrel,表示模糊冗余度Jred,候选特征c∈C,另一个抑郁症脑部区域候选特征c'∈C。
2.根据权利要求1所述的一种用于抑郁症脑部图像的类属共享半监督特征选择方法,其特征在于,所述步骤S10包括如下步骤:S11、读取抑郁症脑部区域图像数据的数据集,确定其属性集和决策类,所述决策信息系统S=<U,C∪D*,V,f>,其中U={x1,..,xj,...,xn}表示抑郁症脑部区域图像数据的样本集,n表示脑部区域图像数据集的样本个数,xj表示第j个样本,xn表示第n个样本;C={a1,a2,...,am}表示抑郁症脑部区域图像数据中的条件属性,m表示抑郁症脑部区域图像数据中的属性个数,a1表示第1个属性,am表示第m个属性,D*={d1,d2,...dk}表示抑郁症脑部区域图像数据决策属性的非空有限集,被称为决策属性,k表示抑郁症脑部区域图像数据中的决策类别个数,d1表示第1个决策类别,dk表示第k个决策类别;
S12、根据数据集中决策D*的不同信息值个数,将所述抑郁症脑部区域图像数据集U划分为两部分:有标记部分UL和无标记部分UU,共n3个数据子集,满足U=UL∪UU。
3.根据权利要求1所述的一种用于抑郁症脑部图像的类属共享半监督特征选择方法,其特征在于,所述步骤S21包括如下步骤:
S211、对于抑郁症脑部区域图像有标记数据UL={x1,x2,...,xn1},每个决策i,i=1,2,…,k,k表示抑郁症有标记数据中的决策类别个数,选出每一类别抑郁症脑部区域图像数据,取该类别的数据中心点;
S221、计算抑郁症脑部样本和其它样本两两之间的欧氏距离dis(xj,xp);
S231、计算抑郁症脑部样本和其类别数据中心点两两之间的欧氏距离S241、根据欧氏距离,对于构造以样本xj为圆心,xj依次到类别中心样本之间的距离为半径的模糊信息粒,其定义如下:其中,i表示样本xj对应的决策类,表示以样本xj为圆心,为半径的模糊球所选的邻域集合;
S251、根据欧氏距离,对于依次构造以当前类别中心样本为圆心,为半径的模糊信息粒,其定义如下:其中,i表示样本xj对应的决策类,表示以当前类别中心样本为圆心,为半径的模糊球所选的邻域集合;
S261、选取两个模糊球的交集部分构造共享模糊信息粒得出抑郁症脑部样本xp与xj由共享糊信息粒分别对于每个类别形成新的模糊相似关系Rcir(xp,xj);
所述步骤S27中
所述步骤S28中。
4.根据权利要求1所述的一种用于抑郁症脑部图像的类属共享半监督特征选择方法,其特征在于:所述步骤S40包括如下步骤:
S41、将标签特定特征选择方法和动态优化策略结合,针对每个类别,计算抑郁症脑部区域候选特征对应的模糊相关性Jrel,得到每个特征对应的相关性数值表Jrel,选择相关性数值表Jrel中值最大的特征c1,将特征c1从属性集C中删去,同时将相关性数值表Jrel中此特征c1的相关性值删去,将特征c1加入特征排序集合Sort中,并标记此特征c1的索引idx,若此时选择一个特征,则输出当前相关性最大特征c1;
S42、计算抑郁症脑部区域候选特征c'表示特征子集C中除去模糊相关性Jrel最大特征之后的特征子集,对应的模糊冗余性Jred,得到每个特征对应的模糊冗余性数值表;
S43、计算Jrel-Jred的最大值,得到对应特征c2索引idx,同时更新当前类别特征排序集合Sort;
S44、将特征c2从属性集C中删去,同时继续删除相关性数值表Jrel对应索引idx的特征,更新模糊相关性数值表,模糊冗余性数值表;
S45、对C中的所有属性依次循环遍历后,输出抑郁症脑部区域每个类别数据集的约简集red,获得所选脑区域。