【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)