加權Fast Newman模塊化算法在人腦結構網絡中的應用
2017-01-13 20:29夏一丹王彬董迎朝劉輝熊新
計算機應用 2016年12期
夏一丹+王彬+董迎朝+劉輝+熊新
摘 要：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。
關鍵詞：模塊結構；Fast Newman算法；加權網絡；模塊度；人腦結構網絡
中圖分類號： TP391.4；TP183
文獻標志碼：A
文章編號：1001-9081（2016）12-3347-06
