【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)