【文件属性】：
文件名称：数据融合matlab代码-SM-netFusion-PY:有监督的图扩散和融合
文件大小：20.74MB
文件格式：ZIP
更新时间：2021-05-22 12:07:42
系统开源
数据融合matlab代码Python中的SM-netFusion（受监督的多拓扑网络交叉扩散）
SM-netFusion（受监督的多拓扑网络交叉扩散），用于快速准确的图形数据分类代码，由Birkan
Ak重新编码。
请联系查询。
谢谢。
You
can
download
the
Matlab
version
of
SM-netFusion
at:
https://github.com/basiralab/SM-netFusion
尽管有限，但是现有的脑网络图谱（BNA）依赖于相似性网络扩散和融合技术，该技术仅将节点度视为跨网络扩散过程中的拓扑度量，从而忽略了脑网络的丰富拓扑度量（例如，中心性）。
）。
此外，扩散和融合技术均以完全无监督的方式实施，这可能会降低估计的BNA的判别力。
为了解决这些问题，我们设计了一个简单但有效的受监督多拓扑网络交叉扩散（SM-netFusion）框架来学习BNA，该框架满足以下约束：功能网络群体的显着特征，（ii）居中集中，最佳居中位置，靠近所有个体，（iii）通过比较使用无序和健康大脑估计的模板，可以可靠地识别出最有区别的无序大脑连接，
分别。
拟议的
【文件预览】：
SM-netFusion-PY-master
----Pipeline.png(1.51MB)
----README.md(7KB)
----graphs.png(7KB)
----SM_netFusion_demo.py(7KB)
----SIMLR_PY()
--------README.md(3KB)
--------tests()
--------SIMLR()
--------SIMLR_LARGE.txt(8KB)
--------.ipynb_checkpoints()
--------Untitled.ipynb(24KB)
--------dist()
--------__pycache__()
--------MANIFEST(100B)
--------build()
--------requirements.txt(72B)
--------LICENSE.txt(1KB)
--------setup.py(827B)
--------SIMLR.egg-info()
--------Makefile(78B)
----test.ann(2MB)
----0.13.2(236B)
----Untitled.ipynb(734KB)
----simulateData.py(3KB)
----scoreAcrossAllCVRuns.py(1KB)
----__pycache__()
--------simulateData.cpython-38.pyc(2KB)
--------simulateData.cpython-36.pyc(2KB)
--------SM_netFusion.cpython-38.pyc(3KB)
--------SM_netFusion.cpython-37.pyc(3KB)
--------ScoreFeaturesAcrossRuns.cpython-36.pyc(959B)
--------simulateData.cpython-37.pyc(2KB)
--------scoreAcrossAllCVRuns.cpython-36.pyc(962B)
--------SM_netFusion.cpython-36.pyc(3KB)
----SM_netFusion.py(7KB)
----Outputs.png(103KB)
----SNF_all.py(22KB)
----ScoreFeaturesAcrossRuns.py(1KB)