一种适用于脑成像数据联合分析的快速耦合张量分解算法

本发明公开了一种适用于脑成像数据联合分析的快速耦合张量分解算法。本发明采用CP模型构建多维张量联合分解模型。通过引入低秩逼近，用小尺寸因子矩阵替代大尺寸张量数据，显著降低算法计算复杂度。在分解过程中利用耦合约束，使不同被试的脑成像数据在共享的因子矩阵上实现一致性和协调性，从而进行有效联合分析。通过APG迭代优化算法逐步更新因子矩阵，最小化重构误差，从而高效分离和提取多被试脑成像数据中的共性和个性特征。快速耦合张量分解算法为多被试脑成像数据的联合分析提供了一种高效、可靠的方法。通过该算法，可以在复杂脑成像数据中快速提取出有意义的神经活动模式，为神经科学研究和临床应用提供有力支持。