Link Search Menu Expand Document

ICAコンポーネントのクラスタリング

チュートリアルのこの部分は、 インタラクティブなプリプロセス、クラスター、そしてそれからのダイナミクスを視覚化して下さい ICA(または他の)コンポーネントは1つまたは複数のチュートリアルで動作する

目次
  • トピックス

クラスター コンポーネント

概要

全体の電気生理学的結果を比較する 被験者、ほとんどの研究者の通常の慣行が特定されている scalp チャンネル (scalp ) 空間的に等しいデータ)。 実はこれは、 あらゆる物理的電極の空間関係から理想化 (例、Cz、国際10-20システム) 電極のラベリング条約)を基底部の角質領域へ 物理的な場所に応じて、異なる被写体で異なる、 範囲、および特に円錐形の源区域のオリエンテーション、 ‘active’ メトリックサイト(例、Cz) および またはその血糖値 記録された参照チャネル(例えば、鼻、右マストイド、または その他サイト

同等チャンネル(Cz)から記録されたデータ 異なる被験者は、基礎の異なる混合物の活動を要約することができます 同等電極の精度を正確に問わない 。 EEG研究。

ICはICですか?

ICA(特許) しかし、成分を識別するための自然で簡単な方法はありません 別のサブジェクトから1つの(または複数の)コンポーネントを持つ1つのサブジェクト。 ペア 2つの被写体が似ているか、または さまざまな方法で互いに異なるし、異なる程度に – 自分のスカルプマップ、パワースペクトラ、ERP、ERSP、ITCsの違い、または など。 このように、類似性(認知症)対策が多々あります。 活動がグローバルに及ぼすさまざまな方法 コンポーネントペアの類似性を推定するための距離測定。

したがって、被験者間で同等のコンポーネントを識別する問題 EEGLAB 関数と関数の関数は、 柔軟かつ効率的なパフォーマンスとパフォーマンスのためのサポート構造 被験者と条件を横断するコンポーネントのクラスタ評価(参照) 2004 そして、 2005)。 構造解析と実装 EEGLAB は、ICA のライセンスを付与します。 多数の被験者からの1つの条件にわたる分析。 より詳細な情報 データセットに関するさまざまな仮説テストに適用可能 複数の被写体から多くの被写体まで

独立したコンポーネントのクラスタリング(他の多くのデータクラスタリングのような) 単一間違いの解決を持っていません。 コンポーネントの結果を解釈する 従って、原因を保証するクラスタリング。 発見への主張 コンポーネントのクラスタリングからの生理学的事実は、同行する必要があります 思慮深い洞窟と、できれば、統計的なテストの結果によって . . .

ICAコンポーネントクラスタリング

データの読み込みと準備

このチュートリアルでは、 5-サブジェクトティー (450Mb) STUDY作成チュートリアル このデータに関する詳細情報 メニュー項目を選択 ファイル サブメニュー項目を押します 既存の研究をロードする チュートリアル「N400.study」、

STUDYはクラスタリングの準備が整っています。

  • ※STUDY* は、研究参加者がデータを閲覧できるようにしました。 STUDY制作 チュートリアル。
  • チャンネルの場所を追加しました。 注意: チャンネル すべてのデータセットを同時に編集できます。 メニュー項目 編集 → チャネルの場所).
  • キーワード ICA は、 あらゆるデータセットで、
  • 。 DIPFIT ダイポールの検索 → ヘッドモデルと設定それから ツール → DIPFIT イヤホンの検索 → オートフィット.
  • メニュー項目を使用して定期的に変更を保存しています ファイル → 現在の学習を保存 保存することができます STUDY* リリース テキストボックスにデフォルトファイル名を残します - または新しい入力で ファイル名

コンポーネントを選択

メニュー項目を選択します。 学習 → 学習情報編集 次のインターフェイスがポップアップ表示されます。

STUDYは、 STUDY作成チュートリアル。 http://www.study.com/ ダイポールモデルの残留期間を設定する 各コンポーネントに関連する。 このボタンを押します。 下記エントリーボックスが表示されます。

このインターフェイスにより、クラスタリングで使用されるコンポーネントを指定できます。 同等のダイポールモデルが残留ダイポールを持っている人だけが コンポーネントのマップの分散、ベストフィットと比較して 頭皮の電極への同等なダイポール モデル投射、より少ないより デフォルト r.v. 15% です。 つまり、ダイポールモデルの残留分散のコンポーネントだけ クラスターに15%未満の料金が加算されます。 これは、 dipolar (または同等の) scalp コンポーネント、1つまたは2つの脳領域からの活動を表す可能性があるもの。 デフォルトの残留差額は15%に設定されます。 つまり、 同じダイポールモデルが15%未満のコンポーネントのみ 残留分散のクラスタリングのために選択されます(参照) この記事について 15% のために のために Okは、 コンポーネントの列がメインの編集で更新される原因 ウィンドウ。

Comp.ボタンは、 上記の残留期限に基づいてクラスタされる各データセットのコンポーネント。 これらを手動で編集することができます。 ご注意 コンポーネント選択を変更(関連するプッシュボタンを押して)、 同じ件名と同じセッション番号を持つすべてのデータセット また、更新されます(これらのデータセットが同じであるように) ICAの要求。

STUDYの編集GUIのOkは変更します。

被写体研究

1つのタスクで収集された連続データ セッション は に 詳細は、Empochsの別々のセットを、 それぞれターゲットおよび非ターゲット。 異なるデータセット 同じセッションで収集される条件は、クラスタリングによって仮定されます 同じICA分解は、すべてのデータからデータに適用されていると仮定されます セッション条件を一度にまとめます。 場合がない場合、データセット 異なる条件から異なる条件に割り当てる必要があります セッション

そのため で で 複数のデータ収集セッションでも収集 より詳しく知る より多くのデータで訓練されたとき分解。 一般的なコンポーネントを持つ 空間マップでは、コンポーネントの挙動を簡単に比較できます。 条件 条件 条件 条件 条件 条件 before で ICA を強制的に処理する 特定のタスク条件に対応する別のデータセット。 その後、特定の条件データセットを抽出します。それらは自動的に

コンポーネントのアクティビティ対策

各データセットのコンポーネントは、 コンポーネントのクラスターは、コンポーネントのクラスターのクラスターのクラスターのクラスターです。 コンポーネントの活用 GUI は GUI に似ています。 詳細は チャンネル可視化チュートリアル.

メニュー項目を選択 研究 → プレコンプトコンポーネント対策。 ERSP/ITCでは、以下の手順に従って、30の周波数と60の時間の速度が優先されます。

すべての措置を優先するために数分かかる必要があります。

クラスタコンポーネント

EEGLABのクラスタリングメソッドは、以下のクラスタリングメソッドです。 EGLAB は、EeGLAB のプラグインで、Projection メソッドとScalp Correlation method を計測します。

前の行列を作成する

前方インターフェイスの目的は、グローバルな距離を構築することです 部品構成 distance は、通常は、通常は、 farのコンポーネントのマップ、ダイポールモデル、または 活動対策は、ジョイントの空間で互いに異なるものです。 PCAの手順を詳しく説明しています。

条件は構築するために使用されることを意味します このクラスター distance は、 安全GLABの対策:ERP、パワースペクトラム、ERSP、またはITCの スカルプマップ(英語) ダイポールのオプションは、各データセットが読みやすく、入力内容 not の1種類です。

予期しないグラフィックインターフェイスを呼び出します()pop_preclust.m 関数 関数) メニュー項目を使用して PCAの勉強クラスタリング(オリジナル) → ビルド前方配列 GUI と関数 以下は、 各コンポーネントのクラスター distance のクラスター distance

左側のチェックボックスは2番目のセクションで pop_preclust.m 関数 上記のインターフェイスは選択を可能にします cluster コンポーネントのセキュリティ対策 測定 構築されたクラスタリングを実行します。

ゴール N次元クラスターを計算する 各コンポーネントの構成要素 cluster position 各コンポーネント distance は、 N次元空間でクラスタリングを行います。PCAで次元削減されたERP、ERSPなどの特徴量が使用されます。

クラスター位置ベクトルでは、 3D (x, y, z) の z の . 各コンポーネントの同等のダイポールの空間位置。次に、2つの値が最大の2つのプリンシパルを表す可能性があると言います。 ERP、次の2、秒単位 ERP、等。 計算(時間/頻度)の分裂の記述、 毎回 (near-3000) の 時刻 の 値 が あります。 は、Dim. です。 寸法の数を減らすための入力(例えば、2または3)。

次元の正規化

normalize は、この場所の主要な寸法を優先します。 そして、そのメトリクスが横切っているように選択した活動は、 手順 norm 列のチェックをオンにします。 正規化 すべての は は コンポーネント この測定のためのコンポーネント。

相対的な体重を指定することもできます。 (AとB) A を 2 回限りで を を を B’A と 1 for2 の 文字列 文字列 測定値 A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、A は、 の PCA の PCA の の

コンポーネント対策

上記のすべての措置は、計算されたら、使用することができます クラスターの視覚化のためのクラスタリングおよび/または。 まず、時間ベースの対策があります。

  • 仕様: 最初のチェックボックスを使用すると、ログの平均を含めることができます 予圧対策の各条件の電力スペクトル。 チェックボックスをクリックすると、パワースペクトルを入力することができます パラメータ。 この場合、周波数範囲[lo hi(ロハイ)](Hz内) クラスタリングの目的(ただし表示のために)のため、 各被写体ごとに、平均スペクトル値(平均値) 選択されたすべての周波数で、選択したすべての周波数からサブトラクトされます。 コンポーネント、および各周波数における平均スペクトル値(平均値) 選択されたすべてのコンポーネントに、すべてのコンポーネントからサブトラクトされます。 理由 は は は (log) 割っていうと、クラスターが抜ける。 1つの被験者のみ、または1つの異なる被験者(例えば、男性、頭脳、男性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、男性、女性、女性、男性、女性、男性、女性、男性、女性、男性、女性、男性、男性、女性、男性、女性、男性、女性、女性、女性、男性、女性、男性、女性、男性、女性、男性、女性、女性、女性、男性、女性、女性、男性、女性、女性、女性、男性、女性、女性、女性、男性、男性、男性、女性、男性、女性、女性、女性、男性、女性、女性、女性、女性、女性、女性、女性、女性、男性、女性、女性、女性、女性、女性、女性、男性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、女性、男性、女性、女性、女性、女性、女性、女性、女性、女性、女性、

  • ERPs: チェック は * * ERPLAYテンシウィンドウズ (lo hi ロハイ) ms が必要です。

  • ERSPs または ITCs: 次の2つのチェックボックスは、 イベント関連の分裂情報の形 イベント関連 各条件 相関(ITC)

次に、位置情報に基づいた対策を講じています。

  • ダイポールの場所: 3番目のチェックボックスでは、コンポーネントの同等のダイポールの場所を事前に指定することができます。 ダイポール 現在位置は3つの別々の構成要素です。 ダイポールのオリエンテーション それぞれのコンポーネントとダイポールモデル データセットは既に事前入力済みである必要があります。 2つの対称ダイポールを使用して1つのコンポーネントをモデル化した場合、 pop_preclust.m 関数 関数はクラスタリングのための2つのダイポールの平均位置を使用します。

  • ※スカルプマップ:* 最後のチェックボックスでは、スカルプマップを含めることができます コンポーネント cluster は、 生のコンポーネントのマップ値、ラップラキアン、またはその空間を使用する グラデーション 主要なコンポーネントの公平な結果を得ました laplacian scalp のマップ、 scalp のマップ また、 絶対的なマップ値だけを使用するかどうかを選択する、 コンポーネントマップの極性に依存しないという利点。 情報が冗長であるため、ダイポールと*のスカルプマップ情報を使用することはお勧めしません。

pop_preclust.m 関数 上記のインターフェイスは、ダイポールチェックボックスだけを選択し、すべてを残す デフォルトパラメータ(ウィンドウの上部にダイポール残留分散フィルタを含む)。 寸法の合計は、選択したすべての対策の寸法の合計です(当社の場合、3 + 3 = 6)。 クラスタリング 特に部品数が制限されている場合、アルゴリズムは10以上の寸法でうまく動作しない場合があります。 この場合、部品数(151、残留可変閾値に基づいて選択)と比較して、寸法(6)の数が許容されます。

プレス Ok.

クラスタリングアルゴリズムの適用

コールする場合があります。 pop_clust クラスター機能インターフェイスを選択して PCAの学習クラスタリング(オリジナル) → クラスタリング 以下に示すようにメニュー項目。

kmeans、neural network、affinity、affinityのクラスタリング。

Stareans は、MATLAB のデータベースツールボックスです。 MATLABの統計ツール Affinityのクラスタリングは、ツールでのみ可能です。 affinityのクラスタリングは、クラスタのオプションです。

kmeansの場合、クラスターのデフォルト値はパープル値です。 1クラスターごとに計算されます。 例えば、 被験者ごとの約20個のコンポーネントが残留に基づいて選択されます varianceのしきいと値STUDYは10の主題、絶え間ない クラスターの数が20に設定されるので、各クラスターに各クラスターが含まれている 平均10コンポーネント。 この場合、件数を削減するので、11を入力すると、クラスターごとのコンポーネント数が増えます。

kmeans.m のオプションは、リリー・リー・ジャスト。 outlier コンポーネントは別々のクラスターです。 指定された標準の数よりも、コンポーネントとして定義される 任意のクラスターのセントロイドから逸脱 (3, デフォルト). ターンする このオプションで、左上のチェックボックスをクリックします。 識別される コンポーネントの指定 Outliersクラスター (Cluster 2)。

プレス Ok. 次の記事では、クラスターの編集をしています。

クライストリアンスクラスタリング

    • pop_clust 機能。 この機能を使用すると、データに最適なクラスターが検索できます。 この機能を使用するには、 機械学習ツール インストール。

この機能を利用するには、ClusteringClustering無線LANが使えます。 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 最小 されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます されます 。 。 。 。 。 。 。 。 されます されます されます されます 。 。 されます 各クラスターのクラスターのクラスタは、各クラスターのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラスタのクラス *silhouette** のドキュメントは、 MATLABの特徴.

クラスターの推奨数: 上記のクラスターの推定数の合理化後、クラスターの範囲の下限を、対象ごとのコンポーネントの平均数の半分に設定することをお勧めします。 例えば、被写体ごとに20個のコンポーネントがある場合、下限を10に設定します。 同様に、被写体ごとのコンポーネントの平均数が1.5倍に上限をセットします。 例えば、被写体ごとの 20 個のコンポーネントは 30 に上限の境界を置きます。 クラスターの返された数が下限または上限にある場合は、範囲を拡大することを検討してください。 また、アウトリエを分離するオプションを使用することを強くお勧めします。

他のクラスタリング方法

EEGLABのクラスタリングメソッドは、EEGLABのクラスタリングメソッドです。 以下は、EeGLAB のプラグインは、Projection メソッドと*Scalp Correlation メソッドです。

測定プロジェクションプラグインでクラスターを探す

測定の対面性、ICは(ERP、ERSP…、ダイファイブ)、各ICの対面性、関連性は、対面方向の分断の行列の多彩です。 この行は、正規化、重みの登録、正規化重みの登録が行われます。 プラグインを参照 GitHubリポジトリ 詳しくはこちら

Corrmapプラグイン

Corrmap は、クラスターの EEGLAB プラグインです。 頭皮のトポグラフィの相関に基づいてコンポーネント。このプラグインのドキュメントは、 Stefan Debenerのウェブページ プラグイン GitHubリポジトリ.

コンポーネントクラスターの可視化

クラスター編集機能を呼び出す pop_clustedit.m 関数 使用方法 メニュー項目 研究 → 編集 → プロットクラスター。 以下の画面を開きます。

クラスタリングメニュー項目に注意 PCAの学習クラスタリング(オリジナル) → クラスタリング 以前のセクションで使用しても、クラスタリングが完了した後に自動的にこのウィンドウを呼び出します。

サンプルの305のN400 STUDYのダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ のダイ ダイ のダイ のダイ ダイ のダイ ダイ のダイ ダイ のダイ ダイ ダイ のダイ ダイ ダイ ダイ ダイ の 151コンポーネントの残留分散は15%未満でした。 その他のコンポーネント クラスタリングから省略されました。 選択したコンポーネントは ダイポールの位置を11つのコンポーネントクラスターと1つのアウタークラスターに基づいてクラスター。

リストからクラスターの選択 左上にあるボックスに、右上にあるテキストボックスのクラスターコンポーネントのリストが表示されます。 すべてのクラスターのセントロイド (左) テキスト ボックス リストのオプションは表示する機能を引き起こします ParentClusterのエラー結果 プロットのオプション1つに、すべてのクラスターの1つで、 すべてのクラスターのダイポール *Plot 詳細はこちら このページの先頭へ すべてのクラスターコンポーネントのダイポール(青)とクラスターを表示 Dipole(Red) は、顧客のニーズにお応えします。

また、Plot scalp mapsオプション は、クラスターの scalp の scalp の scalp を 生成します。

kmean km な 始まる 始まる 始まる 始まる 始まる 始まる 始まる 始まる

計算では、クラスタースカルプマップ(またはスカルプマップセントロイド)、 クラスターのコンポーネントマップの各極性が最初に調整されたので、 クラスターの意味で正当に相関する(そのコンポーネントを呼び出します) 地図は絶対極性がありません。 その後、マップの変数が装備されていました。 最後に、正規化された手段が計算されました。

クラスター内のコンポーネントの個々のコンポーネントのスカルプマップを表示するには、 例えば 例えば 例えば 6) *Plot scalp mapsオプション など。 右列。 次の図が現れます(この場合、このクラスターは異なるインデックスになる場合があります)。

※SO2 IC6* は、SO2* の構成要素です。

データセットから欠落するチャンネルは、クラスターのスカルプマップのクラスタリングや視覚化には影響しません。 コンポーネントのスカルプマップは、 toporeplot.mの 機能、必要性を避けて下さい STUDYデータセットは必須項目です。 あるいは、 missing channel の 中間の を 実行します。

また、右記のコンポーネントは、* Plot scalp maps* と、クラス ローカル コンポーネントのスカルプマップをプロットする。

このクラスターのダイポールは、 左折のPlotダイポールボタンを押します。

ダイポールを1つずつスクロール 3Dのプロットを回す ビュー(左下のボタン)など プロットされたダイポールに関する情報は 左中央のサイドバーに提示(上の画像を参照)。

このクラスターのこのクラスターは、 Plot spectra は、

このクラスターは、クラスターのクラスターで10Hzのクラスをクリアします。 STUDYの2つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStudyの1つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStudyの1つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStudyの2つのStuの2つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの1つのStuの2つのStuの2つのStuの2つのStuの2つのStuの1つのStuの1つの Plot ERPs ボタンに隣接中 パラメータ 時間範囲を以下に示すようにしてください。 チェック チェック チェック チェック チェック チェック チェック チェック

それから右列のPlot ERPsボタンを押します。

クラスター 6 は、いくつかの中央のアカウント 活動のスペクトラ。遅い波活動における条件間のレイテンシーシフトが著しくない場合があります。

コンポーネントのクラスターの性質を素早く認識するには、体験が必要です(参照) ICAのチュートリアル 詳しくはこちら

クラスターの編集

クラスタリングの結果は、クラスタービューで手動で更新することもできます。 編集ウィンドウ(からと呼ばれる) 研究 → 編集/プロットクラスター メニュー項目。 これらの編集オプションにより、柔軟性が確保できます。 クラスタリング結果を調整します。 部品は別のに再割り当てることができます クラスター、新しいクラスターを作成できます。 outlier コンポーネントはクラスターから除外されます。 pop_clustedit.m 関数 GUIは、 Cancelは、 STUDYが忘れる

クラスターを編集する4つのボタンの下に記述します。

  • クラスターの名前変更 選択したクラスターの名前オプションは、 選択の (mnemonic) の名前 単語 クラスター 名 名 このオプションボタンを押すとポップアップウィンドウが開きます 選択したクラスターの名前。 例えば、クラスターを考えると あなたが名前を変更することができる目の点滅のために会計するコンポーネントが含まれています 「リンク」

  • * クライアント* コンポーネントの不敬選択を解除します。 クラスターの意味からの距離。 コンポーネントを手動で拒否するには、 最初に左のリストから関心のクラスターを選択し、次に outlier コンポーネントリスト 右側のRemove selected outlier compsボタンで外れ値コンポーネントを除外できます。 確認画面がポップアップ表示されます。

  • 新しいクラスターの作成 新しい空のクラスターを作成するには、 新しいクラスターオプションを作成します。 ポップアップウィンドウが開きます 新クラスター名 名前は’Cls #’, ‘#’ が次の利用可能なクラスター番号です。 変更について ウィンドウOkボタンを押します。 クラスターは、左のリストのクラスターの1つとして表示されます 編集/ビューのクラスターウィンドウ。

  • コンポーネントをクラスターに再割り当て コンポーネントを移動する 2つのクラスターは、最初にリストからオリジンクラスターを選択します。 左に、コンポーネントリストから関心のあるコンポーネントを選択します。 Reassign のコンポーネント(s)のオプションボタンは、 利用可能なクラスターのリストからターゲットクラスターを選択します。

さらなるコンポーネントのクラスタリング検討

ICAクラスターの被験者を複数のコンポーネントへ

ICAクラスターをプロットする、EEGLAB はデフォルトで複数のコンポーネントを構成します。 与えられたクラスターに含まれている場合と同じです。 統計情報を使うと問題が発生することがあります。

同一の被験者から複数の成分を含んだ場合、受容体を作らない 被写体の一般的な人口についてもうではなく、 あなたが勉強している特定の主題のコンポーネント。 それはすべての問題です 被験者が被験者数と比較してどれくらいの成分を持っているか トピック

例えば、被写体ごとの平均1つのコンポーネントがある場合 (クラスター内の他の2つのコンポーネントが0つある場合)、 200 件、翻訳済み null 仮説 ( ) 被写体の一般的な人口についての推論を作る)ほとんどは 保存される。 指定されたクラスターで同じ主題の10の主題そして10の部品があれば、それはです コメントはありません。

一般的に の の の クラスターは問題になります、私達はほとんどの1で使用することを好みます これは避けるので、クラスターあたりの被写体ごとのコンポーネント EEGLAB(EEGLAB)は、 は は は クラスタリングデータ用のプラグイン また、クラスターで手動でコンポーネントを削除することもできます。

STUDYは、

STUDY*の設計は、

例えば、被写体ごとに2つの条件がある場合と ユーザ名 コンポーネントの距離測定を計算するとき、予圧 クラスタリング、両方の条件からのデータ対策が組み込まれています。 たとえば、平均出力スペクトルを使用してクラスターコンポーネントに、 代わりに、それぞれに50のスペクトル値(1つの頻度)を言う コンポーネント、100 値の事前調整中(50 の周波数の 2 セット) 各条件1つをつけます。 EEGLABは、 STUDYデザイン、コンポーネントをクラスターへ ※STUDYデータセットは必須です。 トポグラフィおよび/または同等のダイポール)およびクラスターへのその他の対策なし STUDY はクラスタリングをしています。 ソリューション

そのため、前方へ STUDYの設計は、 実験的な STUDYのクラスターは デザイン。 従って、あなたの部品が STUDYDesign forクラスター

異なる条件でクラスターの活動を比較する

ICAコンポーネントはクラスターとh、compute に あります。 *STUDYは必須項目です。 クライアントは、 クラスタリングの解決による設計に従って。 被写体と被写体を1つに分ける 2x1の用語集のグループ、1,1,1,1,1,2,2,2,2,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4, 両方の条件は同じ部品を共有します。

条件ICAコンポーネントの比較は、 異なるデータチャネルでの活動を比較します。 比較する 条件間のコンポーネントのクラスターの活動が見られる 被写体を渡る特定のチャネルの活動を比較するのと同様に。 ICAコンポーネントとICAコンポーネント 電極チャネルは両方 空間フィルタ。 各データ チャネルは、潜在的なリーチの算術的な違いです いくつかの頭皮電極と参照電極に到達する潜在的な (または参照のセットに達する可能性の平均 電極)。 各ICAコンポーネントは、 各電極に届く信号の合計/差。 詳細はこちら 負の重み付き電極信号は、の役割を果たすために言うことができます 参照チャンネル(このチャンネルの組み合わせは、通常、 各コンポーネントごとに異なります。

STUDYは2つのテーマ構成の構成の構成の構成の構成です。 比較されると、計算された測定の違いは間になります 各クラスター内の各グループのためのコンポーネント。

自分のデータを試してみましょう

少数の被験者と少数のクラスターのみ(必要) チュートリアルの例を簡単に配布する制限)、それはないかもしれない 一貫したコンポーネントのクラスターを均一で見つけることができ、 容易に識別できる性質。 より多くの満足度を得られる 15～30以上の被験者からデータを集約する場合

サンプルデータを使用してこのチュートリアルをフォローした後、私たちはあなたをお勧めします より大きなデータセットのグループのための研究を作成します。 あなたがよく知っている特性。 その後、この研究のコンポーネントをクラスタリングしてみてください いくつかの方法。 一貫性と特性を慎重に検討する 生成されたコンポーネントクラスターは、クラスタリングのどの方法を決定する あなたの研究目的のために十分なクラスターを生成します。.