统计>方法
标题: 功能数据的变化模式分类
摘要: 提出了一种新的功能数据分类方法。 这项工作的动机是需要确定区分记录局部场电位(LFP)的神经系统状况的特征。 无论条件如何,这些局部场势都具有零平均值,因此这些随机过程的第一阶矩不具有判别能力。 我们提出了变异模式分类(VPC)方法{该方法使用(自动)协方差算子作为判别特征},并使用Hilbert-Schmidt范数测量不同组的(自动)协方差算子之间的差异。 所提出的VPC方法被证明对差异很敏感,{可能导致更高的分类率}。 一个重要的创新在于降维,其中VPC方法数据自适应地确定了导致主要差异的基本函数(区分特征函数)。 此外,所选的鉴别特征函数揭示了区分群体的变异模式特征,从而为不同群体之间的差异提供了见解。 建立了一致性特征,并且通过对大鼠脑LFP轨迹的仿真研究和分析,实证证明了该方法的优点和有效性。