基于高斯过程分步分类的阿尔茨海默病辅助诊断

脑影像数据维数高且有效训练样本少是影响阿尔茨海默病计算机辅助诊断性能的重要因素。对此小样本分类问题,以高斯过程为基础设计了一种分步的分类方法:先对测试样本利用高斯过程进行初步分类;依据后验概率筛选类别归属确定性强的样本作为补充参与训练,再对其余错分可能性相对较高的样本重新进行分类。利用ADNI数据库磁共振影像的分类实验表明,二次分类倾向于增大样本归属于真实类别的后验概率、提高类别判定的确定性,分类性能优于常规的高斯过程分类方法和支持向量机。