摘要:
1.从概率论中相关系数推广而来 在概率论中,研究两个变量之间的线性相关情况时,提出了 相关系数 这个概念。做一下推广,如果研究一个变量和多个随机变量之间的线性相关关系时,提出了 全相关系数(或者复相关系数)的概念。然后,在1936年,有个叫做hotelling的数学家,又进一步做了推广,研究 多个... 阅读全文
摘要:
在写Matlab笔记时,其中要输入一些公式。如果用截图,上传图片到博客中,会因为截的图大小不一很难看,而且图片数据很大,很不科学,这有点麻烦!so,我google搜索下解决方法和资源,整理如下:首先肯定是解决如何在博客中插入公式:1,在博客设置中,html头中添加代码,导入mathML库如:然后直接... 阅读全文
摘要:
Mathtype常用快捷键其实细心一些大家会发现,mathtype中不必用鼠标点来点去,大部分都对应有键盘操作,既快捷又准确。而且,你在用光标点选时,状态栏都会提示选的内容及其快捷键。下面是一些常用的。1. 放大或缩小尺寸,只是显示,并不改变字号Ctrl+1(100%)Ctrl+2(200%)Ctr... 阅读全文
摘要:
什么叫做方法的鲁棒性: fmri分析有四级: 一级:单个被试,单次实验。individual、a singal run; 二级:单个被试,多次实验。individual、multiple runs; 三级:多个被试,但是是一个群体如果你有一个方法,能在这四级分析中都能保持结果的敏感性和特异性,那么你的方法就是鲁棒的。 阅读全文
摘要:
关于fmri数据分析的两大类,四种方法: 数据驱动:tca:其实这种方法,主要是提取时间维的特征。如果用它来进行数据的分析,则必须要利用其他的数据方法,比如结合ICA。ica:作为pca的一般化实现。是一种结构化的方法,就像和小波、傅立叶类似。只不过,比他们要更一般化。小波和傅立叶主要是在频率域做分析,而ica提取出的成分是统计独立的。这些成分,可以理解为本质上有是独立的成分。这就已经超越了频域相同的范畴,更加一般化了。聚类:什么意思呢。先找指标,特征。然后,剩余的方法,就完全和老冯的属性论,定性映射是相仿的。就是根据欧氏距离来判断,二者是否属于一类。 模型驱动:基于spm的glm模型,这种方 阅读全文
摘要:
一、利用ica进行fmri数据分解时,在得到相互独立的成分后,这些成分的后续处理,其实是有很多文章可以做的。比如,对这些成分进行排序和选择。如果能够提出某种方法,能够自动地制造特征,并将这些特征与分解后的独立成分的特征进行比对,确定相应的结果。比如,激活与否。这也可以算做是fmri信号的盲分离算法。二、tca分析,就是进行成分的特征提取与判别的。这种方法的假设是:一个被试在一次run中,大概会得到150多个timepoint的数据。将大脑在这150多个时间点的峰值信号值提取出来,然后得到一个150多个信号的一维向量。用这个向量来反映大脑在一次run中的状态的持续,其中向量中的每一个值代表大脑在 阅读全文