祝 承，赵晓琦，赵丽萍，焦玉宏，朱亚飞，陈建英，周 伟，谭 颖

（计算机系统国家民委重点实验室（西南民族大学），成都 610041）

0 引言

精神分裂症是一种常见疾病，给患者家庭和社会带来了沉重的负担。随着磁共振成像（Magnetic Resonance Imaging，MRI）成像技术的快速发展，功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）成为研究脑部疾病的重要手段之一［1］。但由于fMRI数据特征维度高而样本量少，所以考虑如何解决过拟合问题是必要的，而特征选择或降维就是常用方法之一。

聚类方法在fMRI数据的特征选择中已经得到了广泛的应用，并且在没有先验知识的情况下，可以根据fMRI时间序列的相关性将数据分为子图内部相似性最大、子图间相似性最小的若干类。然而，传统的聚类方法，如：k-means和模糊C均值算法（Fuzzy C-Means，FCM）需要假设fMRI数据满足凸球样本空间分布，而功能磁共振数据是高维的、未知的、空间变换的，不满足凸球型分布，所以算法容易陷入局部最优。

谱聚类是一种基于图论的聚类方法，能在任意形状的样本空间上聚类，即具有识别非凸分布的聚类能力，可以收敛于全局最优解［2］。其基本思想是根据给定的样本数据集间的相似关系构建亲和矩阵，计算特征值和特征向量，依据样本间的潜在联系，聚类出类内相似、类间有异的不同簇。Zhao等［3］基于谱图理论提出（SPECtral feature selection，SPEC）算法，通过评估特征值分布与目标的一致性进行特征选择；王连喜等［4］提出基于聚类集成的特征选择算法，该算法是利用聚类算法将冗余特征聚成一类簇，从各类簇中挑选最具代表性的特征构成最优特征子集；……