《表1 基于10-20国际脑电系统的脑区划分》
图3显示了两种不同划分计算的信息熵,属于同一分区的数据将归入相应的分区后利用公式(4)来计算信息熵。不同点在于传统方法假定神经数据服从均匀分布而进行等距离划分(在图3B中,数据被等分为6份),在数据样本点足够多的时候,计算结果会接近真实情况,但是,当数据不足时,这种等距离计算熵的误差比较大,无法有效度量随机变量的不确定关系;而聚类划分考虑到了序列自身的差异性而进行合理的划分(在图3A中,由于数据分布差异,被划分成3份,且每一份的划分区间不相同),刻画数据本身的特征进行信息熵的精确计算。在度量所有激活矩阵的熵后,被投射到大脑通道。根据10-20国际脑电系统,对应于大脑区域的大脑状态的平均特征进行可视化,脑区划分规则如表1所示。
图表编号 | XD00201591800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 王凤琴、柯亨进 |
绘制单位 | 湖北师范大学物理与电子科学学院、武汉大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |