| 中文题名： | 概率主成分分析在fMRI数据分析中的应用 |
| 姓名： | |
| 保密级别： | 公开 |
| 学科代码： | 070104 |
| 学科专业： | |
| 学生类型： | 硕士 |
| 学位： | 理学硕士 |
| 学位年度： | 2006 |
| 学校： | 北京师范大学 |
| 校区： | |
| 学院： | |
| 研究方向： | 应用数学 |
| 第一导师姓名： | |
| 第一导师单位： | |
| 提交日期： | 2006-06-09 |
| 答辩日期： | 2006-06-08 |
| 外文题名： | PPCA used in fMRI data analysis |
| 中文关键词： | 功能磁共振成像 ; 主成分分析 ; 广义主成分分析 ; 概率主成分分析 ; 极大似然 ; Gauss混合 ; t分布概率主成分分析 |
| 中文摘要： |
主成分分析(PCA)方法是一种重要的数据降维方法，它本质上是一种线性影射，因其算法简单有效，现在已经在各个领域内得到了广泛的应用。在应用中人们还发展了许多新的PCA算法，比如非线性PCA分析，局部PCA分析，混合PCA分析，包括最近出现的概率主成分分析，这些方法统称为广义主成分分析，本文首先对PCA方法及广义PCA方法的理论进行了介绍，并总结了这些方法的应用。功能性核磁共振成像(fMRI)技术以其直观、无创、安全、方便的优点受到普遍的欢迎，为临床诊断和病理研究提供了人体组织的丰富的三维信息。fMRI数据的
﹀
|
| 外文摘要： |
Principle component analysis is an important method for dimentional reduction,it’s a kind of linear projection,because the method is simple and usable,now it is used in many fields.Many methods have been developed for PCA,for example,nonlinear PCA,local P
﹀
|
| 参考文献总数： | 54 |
| 馆藏号： | 硕070104/0601 |
| 开放日期： | 2006-06-09 |
谷歌
