复杂网络理论在酗酒分类中的应用研究

在酗酒者脑电数据基础上,利用复杂网络理论构建并分析了酗酒者EEG功能脑网络,通过统计检验和机器学习算法挖掘出正常被试和酗酒被试之间的特异性网络指标作为分类特征,用SVM分类的准确率最高可达76.8%。分类结果表明,通过复杂网络理论得到的脑网络属性可作为酗酒疾病的早期客观指标,应用到酗酒疾病的临床辅助诊断。