基于主成分分析和Granger因果检验的手动任务脑功能效应连接

提出了一种基于Granger因果关系检验和主成分分析的fMRI数据效应连接方法,并将两种方法有效联合研究手动任务下激活皮层的因果效应连接。该方法首先由统计参数图法(SPM)组分析得到任务激活脑空间图,选取感兴趣区域(ROI);其次通过主成分分析提取ROI内fMRI信号的时间主成分,以此特征作为时间参考信息;最后计算参考区域与大脑其余每个体素之间的Granger因果关系,并映射到全脑,形成Granger因果图(Granger Causality Map,GCM)。理论和试验结果阐明了提出方法的有效性及可靠性。运用该方法研究人脑运动功能脑区在手动任务下的效应连接GCM,验证了运动功能神经网络理论。     

基于Granger因果检验的地价与房价关系

运用Granger因果关系检验法,研究不同房地产市场发展阶段的地价与房价的互动关系．从地价与房价关系的作用机理出发,建立理论假设体系,以美国、日本、中国的时间序列数据为基础,进行实证研究．结果表明：在美国,房地产市场处于成熟、平稳的发展阶段,地价决定房价;在日本,房地产市场处于异常发展阶段,房价决定地价;在中国,房地产市场尚未达到稳定阶段,地价决定房价．因此,地价与房价的互动关系取决于房地产市场的发展阶段,不可一概而论．     

基于Granger原因的因果关系检验方法评析

基于协整理论的因果关系研究,是现代计量经济学具有划时代意义的发展。文章对几种主要的因果关系检验方法进行了评析,并针对这些检验方法存在的问题作了深入分析。其主要目的是为进行因果关系实证研究,提供理论依据和方法优化选择。     

基于独立成分分析和相关分析的fMRI功能连接方法

利用功能磁共振成像(functional magnetic resonance imaging, fMRI)技术,深入研究和探讨独立成分分析(independent component analysis, ICA)和相关分析在功能连接方面的应用,并应用于静息状态功能连接,考察在阿尔茨海默病(Alzheimer's disease, AD)的病理条件下人脑默认网络(default mode network)的异常,从而加深对AD病理机制的理解和认识.     

改进的基于PCA的软件缺陷预测方法

为了避免在变量多重情况下基于PCA的软件缺陷预测出现明显失误,对传统PCA方法的缺陷加以改进,利用UML软件工程组织网站上公布的某中等规模软件公司项目功能点数据,采用改进的PCA方法对项目综合性能进行软件缺陷预测,并与传统PCA方法的预测结果进行了对比．结果表明,改进的PCA方法对软件系统的综合性能有较好的预测能力．     

静息状态下脑网络建模及功能连接特性

实验采集静息状态下功能磁共振成像数据,经预处理后结合种子相关分析方法、t-检验法以及复杂网络理论和方法构建正常人脑功能网络.针对脑网络构建中种子相关分析法存在阈值设定随意性大的问题,引入两个原则,即设定的阈值需保证网络的整体性和小世界特性,使建立的脑网络模型充分具有实际系统的特征.在建模基础上进一步研究脑网络功能连接特性,发现网络具有明显的小世界特性;并通过计算网络中心化指标推测出后扣带回、楔前叶、楔叶以及顶上小叶等是静息状态下脑功能网络的关键脑区.     

基于 PCA 和 ELM 的网络入侵检测技术

针对基于传统 BP(Back Propagation)神经网络算法的入侵检测技术收敛速度慢和检测率不高的问题, 提 出了一种基于主成分分析(PCA: Principal Component Analysis)和极限学习机(ELM: Extreme Learning Machine ) 算法相结合的入侵检测方法。 对提取的特征矩阵采用了 PCA 降维, 并使用 ELM 算法对 4 类常见的攻击类型进 行了多分类检测。 实验结果表明, 该方法正确率高达 98. 337 5%, 检测时间仅 1. 851 7 s, 与传统方法相比缩短 了 2 ~6 倍, 同时还提高了检测率和精度, 降低了误报率和漏报率。 最终改善了正确率、 误报率、 漏报率、 检测 率、 精度和测试时间 6 项指标。     

基于PCA的概率神经网络结构优化

为了改善概率神经网络(PNN)在训练样本数量较大冗余度较高时存在的结构复杂的问题,提出一种基于主成分分析(PCA)的结构优化方法.以概率乘法公式为理论依据,根据训练样本的PCA结果对PNN进行结构优化,并引入学习算法减小PNN的参数不确定性.实验结果表明: 在训练样本数量较大冗余度较高的情况下,优化后的PNN能够使用比传统PNN更简单的网络结构达到相近的结果.     

基于PCA与Elman网络的机械产品质量建模

多源多工序是现代制造过程的一个显著特征,针对该特征提出了一种基于主成分分析,和Elman网络的机械产品质量建模的方法。通过对样本数据空间的主成分分析,能够保证在信息损失最少的情况下,对高维变量空间进行降维处理,减少样本数据间的相关性。应用典型的动态回归Elman神经网络,实现复杂非线性系统进行建模和预测;还将其应用于冷轧带肋钢筋的机械性能预测中。     

基于格兰杰因果关系的磁刺激内关穴脑功能网络的研究

磁刺激具有有效、无痛、无损伤、易于重复和操作简便等显著的优点,在中枢神经功能检测和神经功能恢复等方面具有广泛的应用价值.穴位是中医针灸调控神经系统由体表刺激到体内的切入点,对研究大脑调控机制和疾病的治疗有重要意义.本研究利用格兰杰因果关系构建基于磁刺激内关穴（PC6）的脑电（EEG）信号的脑功能网络,探究大脑的因果关系变化规律,并对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质.研究表明,磁刺激内关穴前整个大脑系统的信息流向是平衡的,而磁刺激内关穴后额叶区的格兰杰因果关系的强度增加,且信息流向主要由额叶流向枕叶.顶叶区C4介数中心性强度显著提高.网络的传输效率提高,网络的"小世界"属性增强.     

基于PCA与Elman网络的地下矿山岩层移动

 由于地下金属矿床地质与开采条件的复杂性,影响岩层移动的因素错综复杂且相互影响,使得对岩层移动的预测具有很大的不确定性。大量的样本数据减慢了神经网络的训练速度,并且使得神经网络不稳定。将主成分分析(PCA)与Elman网络相结合构建模型,对地下矿山岩层移动角进行预测研究。利用主成分分析对原始数据进行预处理,提取原信息的主成分,将输入变量减少且互不相关,提高神经网络训练速度;用Elman网络对训练样本进行训练,进而利用训练好的网络对预测样本进行预测,与不采用PCA时的预测结果相比,采用PCA的预测结果更为准确,通过期望输出与实际输出的对比,相对误差都在5%以内,其预测的结果精度高,表明了PCA与Elman网络相结合对地下矿山岩层移动进行研究是可行的。     

基于PCA和DC的信息系统需求变更管理方法研究

用户需求变更问题是信息系统需求工程研究的重要内容.影响需求变更的因素指标非常多,选取一个好的需求变更管理方法比较困难.针对这一问题,提出基于主分量分析(PCA)和动态聚类(DC)的信息系统需求变更管理方法.     

基于主成分分析的对等网络邻近标识符选择

保持对等网络与底层网络的拓扑良好契合是保障对等网络性能的重要条件.以对等网络系统CAN为基础,将底层网络拓扑建模为高维欧氏空间,使用主成分分析法将底层网络拓扑映射到低维CAN逻辑空间,从而根据节点在底层网络中的位置决定其在对等网络中的标识符.实验结果表明,该算法能够有效减少对等网络链路延时,提高路由效率.     

基于PCA的BP神经网络股票预测研究

股票市场是国民经济发展变化的"晴雨表",股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映.近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用.文章基于主成分分析和BP神经网络,以中国石化100天股票历史技术指标数据作为训练样本对收盘价进行预测,20天数据进行检验,并通过图像仿真拟合来验证神经网络股票预测的可行性和准确性.     

脑卒中后椎体束华勒变性的功能磁共振研究

目的应用扩散张量与磁共振波谱技术,对急性脑卒中患者进行分析,探讨其反映患者病情变化的价值.方法取一侧脑卒中患者26例,健康志愿者30例.在常规扫描后再进行DTI,MRS扫描,采用NIHSS和BI评分评价患者功能,并定期复查.分析患者梗死病灶、大脑脚ADC值、FA值及MRS的代谢产物数值变化.结果 1）病灶FA值低于正常值,与NIHSS呈正相关,与BI呈负相关.脑干FA值减小,提示神经纤维出现华勒变性;2）病灶NAA下降,低于正常侧,P〈0.01;病灶侧Cr,Cho较正常侧改变不明显,P〉0.05;大脑脚NAA 1个月后降低.结论对脑卒中患者进行DTI与MRS扫描,能较早反映患者病情严重程度,还能判断预后,并指导临床康复治疗.     

静息态人脑功能网络的小世界特性

研究了静息态下健康人脑的功能连接模式有助于理解人脑在正常或疾病状态下的功能活动规律.利用小波变换从健康志愿者静息态的功能磁共振成像中提取时间序列,计算90个脑区的相关性,设定阈值建立脑功能网络的无向简单图,然后计算特征路径长度和聚类系数,并对度分布进行拟合.结果显示:脑功能网络具有规则网络的大聚集系数又具有随机网络的小特征路径长度,度的拟合显示具有指数截断幂律分布,即脑功能网络具有小世界特性.     

基于Labview和PCA分析方法的电子鼻设计

为解决电子鼻在食物品质评价中的应用问题, 设计了基于金属氧化物半导体型气体传感器阵列和\{Labview\}虚拟仪器的电子鼻系统。该系统通过对不同样品进行信号采集建立气味数据库, 信号采集系统由STM32微控制器和24位模数转换器AD7794构成, 采集的信号通过串口被传输到PC(Personal Computer), PC接收数据后, 使用在Labview平台下搭建的上位机软件, 通过内嵌的Matlab脚本对数据进行整理, 最终利用PCA(Principal Component Analysis)对数据进行分析, 获取气味指纹。该系统通过对5种不同种类食用酱的挥发气体进行检测, 建立气味数据库, 进而实现对未知酱品的检测,最终实现了对不同种类的食用酱准确区分的方法。     

基于小波变换的主元分析人脸图象识别

基于小波变换的主元分析人脸图象识别高西奇，周洪祥，何振亚（东南大学无线电工程系，南京２１００１８）人脸图象识别是模式识别领域的一个重要研究课题［１，２］，但是由于人脸虽有固定结构而无固定形状的特殊性，人脸的自动识别非常困难，特别是要求机器在学习之后能...