收录：
摘要：
一种基于深度森林的脑功能网络分类方法，属于非神经网络深度学习理论与应用研究领域。具体包括以下步骤：参数初始化，多粒度扫描生成多粒度的串接特征向量，生成级联森林结构提取高级特征以及最终计算预测结果。该方法将深度学习和集成学习相结合使其既具有深度模型强大的特征学习能力又有集成学习强大的泛化能力，在面对高维小样本的脑网络数据时，实现快速、准确的脑功能网络分类，具有超参少、训练时间短，模型泛化能力强等优势，可以有效缓解以往脑功能网络分类面临的过拟合问题。
关键词：
通讯作者信息：
电子邮件地址：
