基于Fast Newman二值算法的加權腦網絡模塊化算法
大小：1.00 MB 人氣： 2017-12-08 需要積分：2
針對二值人腦結構網絡的模塊化方法不足以反映復雜的人腦生理特征這一問題，提出一種基于Fast Newman二值算法的加權腦網絡模塊化算法。該算法以凝聚節點的層次聚類思想為基礎，以腦網絡中單個腦區節點的權重值和腦網絡總權重值為主要依據構建加權模塊度評價指標，并將其增量作為度量值來確定加權腦網絡中節點的合并從而實現模塊劃分。將該算法應用于60個健康人的組平均數據中的實驗結果顯示，與二值人腦網絡模塊化結果相對比，所提算法得到的模塊度提高了28%，并且模塊內部和模塊外部的特征區分更加明顯，所得到的人腦模塊也更符合已知的人腦生理特性；而與現有的兩種加權模塊化算法實驗對比結果表明，所提算法在合理劃分人腦網絡模塊結構的同時也小幅提高了模塊度。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于Fast Newman二值算法的加權腦網絡模塊化算法下載
相關電子資料下載
- 品英Pickering公司將在慕尼黑上海電子展推出新型用于電子測試與驗證的模塊化信 291
- 模塊化不間斷電源常見組件，旁路路徑的關鍵 74
- 模塊化不間斷電源和傳統差距，安裝位置方面 102
- 品英Pickering將亮相國防電子展，展示多款模塊化信號開關和仿真解決方案 406
- 品英Pickering公司攜多款模塊化信號開關和仿真解決方案亮相國防電子展 84
- 48V定制模塊化開關電源辦法，機械占用空間 117
- 基于大功率窄脈沖固體半導體激光器模塊化設計應用方案 285
- 智能工廠的優勢不包括哪些 577
- 電力基建內懸浮抱桿監測系統|工作原理|模塊化設計|安全監管 158
- 模塊化筆記本公司Framework發布全新酷睿U1版13寸筆記本 156