才子佳人博客

我的故事我讲述

脑网络的构建流程简介

脑网络的构建分人脑结构网络和人脑功能网络两种:

皮尔森相关系数Pearson correlation coefficient

皮尔森相关系数是用来反应俩变量之间相似程度的统计量,在机器学习中可以用来计算特征与类别间的相似度,即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。

无标度网络简介

在网络理论中,无尺度网络(或称无标度网络)是带有一类特性的复杂网络,其典型特征是在网络中的大部分节点只和很少节点连接,而有极少的节点与非常多的节点连接。

小世界网络简介

小世界网络可用数学符号图来描述,在这种图中大部分的结点不与彼此邻接,但大部分结点可以从任一其他点经少数几步就可到达。若将一个小世界网络中的点代表一个人,而连结线代表人与人认识,则这小世界网络可以反映陌生人由彼此共同认识的人而连结的小世界现象。

度中心性、接近中心性和中介(介数)中心性的理解

文章给出度中心性(degree)、接近中心性(closeness)和中介中心性(betweenness)的简要理解:

谱聚类概述

谱聚类的思想是将样本看作顶点,样本间的相似度看作带权的边,从而将聚类问题转为图分割问题:

机器学习中分类与聚类的本质区别

机器学习中有两类的大问题,一个是分类,一个是聚类。 在我们的生活中,我们常常没有过多的去区分这两个概念,觉得聚类就是分类,分类也差不多就是聚类,下面,我们就具体来研究下分类与聚类之间在数据挖掘中本质的区别。

习近平:自主创新推进网络强国建设

新华社北京4月21日电(记者张晓松、朱基钗)全国网络安全和信息化工作会议20日至21日在北京召开。中共中央总书记、国家主席、中央军委主席、中央网络安全和信息化委员会主任习近平出席会议并发表重要讲话。

段树民:“构建”人脑连接图谱依然面临挑战

脑连接图谱研究到底是什么?其在国内外研究现状如何?针对这一问题,中国科学院院士、浙江大学医学部主任段树民向《中国科学报》记者做了介绍。

什么是回归分析?

回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,时间序列模型以及发现变量之间的因果关系。

脑功能成像分析软件SPM使用介绍

摘要:SPM (statistical parametric mapping)方法是目前国际上公认的一种数据分析方法,并于1994年推出第一个软件版本,它结合广义线性模型和高斯场理论。SPM方法如下: 建立模型,对其中参数进行估计,然后用t检验或f检验对模型进行检验,根据所设置阈值,得到与阈值相对应的大脑激活图像,从而判定两个脑区是否存在功能连接。这种方法对于相关分析有较高的准确性,因此应用较广。

如何阅读、撰写SCI论文

文章简明扼要地以图形化方式介绍了如何检索文献、阅读文献、总结归纳、改写文章、最后撰写初稿,很实用,值得借鉴学习。

特异度(specificity)与灵敏度(sensitivity)

在论文阅读的过程中,经常遇到使用特异性(specificity)和灵敏度(sensitivity)这两个指标来描述分类器的性能。对这两个指标表示的含有一些模糊,这里查阅了相关资料后记录一下。

ROC曲线

ROC 曲线指受试者工作特征曲线 (receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标, 是用构图法揭示敏感性和特异性的相互关系。

十折交叉验证:10-fold cross validation

英文名叫做10-fold cross-validation,用来测试算法准确性。是常用的测试方法。将数据集分成十分,轮流将其中9份作为训练数据,1份作为测试数据,进行试验。

[12/35][<<][10][11][12][13][14][15][16][17][18][19][>>]