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