自适应阈值多重对应分析在数据驱动书写特征书写障碍模式分析中的应用

《Array》：Adaptive Threshold Multiple Correspondence Analysis of Data-Driven Handwriting Features for Dysgraphia Pattern Analysis

　　

本研究提出一种自适应阈值多重对应分析（Adaptive Threshold Multiple Correspondence Analysis，AT-MCA）框架，用于分析书写障碍模式分析中数据驱动的类别型书写特征。研究人员使用大津阈值法（Otsu thresholding）、连通域标记（connected-component labeling）与噪声去除，从“学龄儿童潜在书写障碍书写数据集”（Potential Dysgraphia Handwriting Dataset of School-Age Children）的书写图像中提取与字母大小、一致性、字母间距、单词间距及笔画密度相关的量化特征，并依据经验分布将这些测量值转换为类别型变量。AT-MCA 在经典多重对应分析（Classical MCA）基础上，对源自 Burt 矩阵的占比矩阵施加基于信息的非线性变换，再进行经验阈值化与矩阵重标度后分解。两种方法采用相同的主动类别型表示，专家提供的分类作为外部补充变量保留。研究人员对变换参数 λ 在 0.40 至 1.00 的候选值间作敏感性分析；前两个维度解释的总惯性（inertia）占比在 60.06% 至 75.69% 之间，基于稳定性评估选定 λ=0.70，此时前二维累积惯性为 73.37%，而经典 MCA 为 56.75%。所得类别坐标用于考察提取的书写特征间关联及其与专家分类的关系。结果表明，所提自适应变换与阈值化显著改变了惯性分布，并使前二维所代表的类别关联量相对于经典 MCA 增加。

研究背景方面，书写障碍是一种影响书写能力的神经发育性障碍，表现为字母形态、间距、压力控制与一致性等方面的困难，其书写模式无法由单一可观测特征充分刻画，需对多书写特征联合分析。多重对应分析（Multiple Correspondence Analysis，MCA）适于类别型数据的多维探索，但经典 MCA 的几何构型受 Burt 矩阵中类别频率不平衡影响，高频类别主导惯性分布。现有类别不平衡处理方法多不直接在 MCA 关联结构上做基于信息的自适应重加权。该研究发表于《Array》，旨在引入信息论自信息（self-information）平衡频率与信息量，提出 AT-MCA 以修正类别关联权重分布，并在学龄儿童潜在书写障碍样本上检验其探索效能。

关键技术方法上，研究人员使用马来西亚 dyslexia 协会专家标注的“学龄儿童潜在书写障碍书写数据集”（Mendeley Data，249 例，剔除 3 例无效后留 246 例，含 Potential Dysgraphia 114 例与 Low Potential Dysgraphia 132 例）。图像经灰度化、Otsu 二值化、8 连通域标记、面积≤20 px 噪声剔除，提取字母高度（像素）、一致性（组件高度变异系数）、字母间距（归一化水平间隙均值）、单词间距（90^th 百分位大间隙归一化均值）、笔画密度（前景像素占比）5 个连续特征；依经验分布三分位或中位数转为 11 个主动类别（字母高度：Small/Normal/Large；其余四项二分）。构建超指示矩阵与 Burt 矩阵后，经典 MCA 直接由占比矩阵 P=B/(n·K) 算标准化残差 S=D_p^-1/2(P-pp^T)D_p^-1/2 并特征分解；AT-MCA 则对 P 元素施加 w(p;λ)=-log₂(p)·p^λ（λ∈[0.40,1.00]，步长 0.05），以变换后矩阵元素均值 τ 作经验阈值置零低于 τ 者，重标度得 P? 使元素和为 1，再算自适应标准化残差 S? 分解。专家分类仅作补充变量投影，不参与维度估计。λ 选取经 Procrustes 配置稳定性、Bootstrap（500 次重采样）相似度、累积惯性及保留关联数多准则排序确定。

研究结果部分，按原文小节叙述。第 1 节引言指出书写障碍多特征耦合与经典 MCA 频偏问题，引出信息基自适应变换动机。第 2 节研究方法含 2.1 数据集（246 有效观测、专家标签作外源）、2.2 图像预处理与 5 特征公式化提取（含 Otsu 类间方差最大化式、CV 一致性式、水平间隙式、90^th 百分位单词间距式、笔画密度式）、2.3 数据驱动分档（字母高度用 Q1/Q3，余用中位数）、2.4 经典 MCA（Burt 矩阵块结构、占比矩阵、标准化残差、特征值分解、主坐标 X=√Λ·U 与标准坐标）、2.5 AT-MCA（信息函数单峰性命题、元素级变换、均值阈值化、重标度 P?、自适应残差 S?、同构分解与主坐标、λ 敏感性含 Procrustes 相异度 d(F_a,F_b)=min_Q‖F_a-F_bQ‖_F 与类别位移、Bootstrap 相似度）、2.6 与经典 MCA 同主动表示比对。第 3 节结果讨论中，3.1 理论结果给出命题 1（w 正性、连续可微、唯一临界点 p*=(1/(λ+1))^1/λ、单峰、全局最大）与定理 1 估计一致性、定理 2 局部 Lipschitz 稳定性、定理 3 矩阵变换逐元素相合、定理 4 阈值矩阵稀疏结构稳定性（分离裕度条件）、定理 5 谱稳定性（谱隙处特征值与特征空间几乎必然收敛）；图 1 示 λ=0.70 曲线，图 2 示估计收敛仿真。3.2 实证结果中，3.2.1 数据集与 11 类别结构（表 1 压缩为文字：字母高度 3 级、一致性/字母间距/单词间距/笔画密度各 2 级）；3.2.2 边际频次（字母高度 62/122/62，余各 123）与 Burt 11×11 结构；3.2.3 λ 敏感性（0.40–1.00 步 0.05，前二维惯性 60.06%–75.69%）选定 λ=0.70，AT-MCA 前二维累积 73.37% 对经典 56.75%；3.2.4 及后续主坐标图显示 AT-MCA 中 Potential 与 Low Potential 补充变量在因子面投影分离优于经典 MCA，书写特征类别（如 Inconsistent 与 Narrow letter spacing、Low stroke density 聚合）关联结构在前两维更集中。

讨论与结论部分，研究人员指出经典 MCA 在类别频率不均时惯性分散，AT-MCA 通过 -log₂(p)·p^λ 单峰权重抑制极高/极低频噪声、以经验均值 τ 阈值化稀疏化、重标度保概率语义，使前两维解释率由 56.75% 升至 73.37%（λ=0.70），配置经 Procrustes 与 Bootstrap 验证稳定，理论端命题 1 与定理 1–5 保证变换相合性与谱稳定。结论为：所提 AT-MCA 框架在不变动主动类别输入下，显著修改了惯性分布并增加前两维类别关联表征量，为书写障碍数据驱动书写特征的模式探索提供了较经典 MCA 更紧凑的几何载体，专家分类作为外源补充变量与 AT-MCA 维度结构独立投影后可辅助解读障碍亚群特征耦合，但该研究不建立临床诊断阈值。