《表3|功能性近红外光谱研究主要聚类及其包含关键词》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《功能性近红外光谱技术的10年发展：CiteSpace知识图谱可视化分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

关键词聚类分析有助于发现研究领域的分布情况和科学前沿。关键词共现图谱生成后，通过LLR方法对关键词进行聚类分析，图谱中每个色块代表一个聚类，最大的聚类以#0标记。通过LLR聚类方式命名，共形成了9个关键词聚类标签，见图8。图谱中Modularity表示网络模块度，其值为0.419 4>0.3，表明网络模块结构较为显著，聚类效果良好[17]，Mean Silhouette表示平均轮廓值，其值为0.512 8>0.5，表明聚类间同质性较好，此次聚类为高效的[18]，主要聚类中包含的具体关键词见表3。通过关键词的聚类结果发现，聚类的内容多集中在利用f NIRS来测定个体在不同状态下脑区的变化。