脑功能网络分析算法-dbn深度置信网

时间:2021-06-10 07:10:38
【文件属性】:
文件名称:脑功能网络分析算法-dbn深度置信网
文件大小:3.8MB
文件格式:PDF
更新时间:2021-06-10 07:10:38
EEG 5.2 脑功能网络分析算法 在本文中,针对运动想象模式和认知模式(视觉模式,听觉模式)进行脑功能网 络分析,采用的方法主要有相关分析法以及聚类系数分析方法。 相关性分析是用来验证两个变量之间的线性关系,研究两个变量之间是否存在依 存关系,并且对这种依赖关系的程度和现象进行分析,是一种统计学的方法。假设两 个变量 X(x1,x2,x3,…xi)和 Y(y1,y2,…yj)。二者的协方差如式 5.1所示。 Cov(X,Y)=E(X-E(X))(Y-E(Y)) (5.1) 二者相关系数则为: )()( ),( , YDXD YXCov YX )( (5.2) 任何两个随机变量 X和 Y 都是客观的,D(X)和 D(Y)就是确定的,所以(X,Y) 和 Cov(X,Y)总是成正比的,显然,协方差 Cov(X,Y)也是度量两个随机变量相 关性的一个指标,因此,对于任何两个变量 X和 Y来说,Cov(X,Y)越大(小),X与 Y的相关程度就越高(低)。在实际应用中通常用(X,Y)来表示两个变量之间的相 关性,因为(X,Y)是无量纲的量,在涉及到度量单位时,为了不受量纲的影响, 一般选择用(X,Y)来表示变量之间的相关性。由上述描述可以得出变量 X和 Y都 有各自的协方差和方差[54]。 目前为止,脑功能网络的研究主要是针对全网络性质统计分析,例如聚类系数分 析。聚类系数是网络分析中的一个重要的概念[55],若节点 i与其他 ki个节点相连,而 这 ki个节点之间最多只能存在 ki(ki-1)/2个连接,实际上只有 Ei条边存在连接关系, 则节点 j的聚类系数为: 2 ( 1) i i i i E C k k   (5.3) 整个网络的平均聚类系数为: 1 n i i C C n   (5.4)

网友评论