【技术实现步骤摘要】
本专利技术属于生物医学信号处理，具体涉及一种适用于多组别高维度eeg数据分析的耦合张量分解算法。
技术介绍
1、eeg作为观察脑部活动比较客观有效的电生理学指标，在当前神经系统疾病诊断和脑科学研究中具有重要的实用价值。通过对eeg数据分析，我们需要挖掘数据在不同被试、不同组别、不同时间及空间尺度等下的高维度特征。同时，不同被试以及不同组别之间存在共有信息和差异信息。但是，人们在大多数eeg研究中，没有同时考虑数据之间的内在联系和数据内部的固有特征。越来越多研究表明，这些信息有利于揭示大脑功能与各种认知任务或者脑部疾病之间潜在的内部机理。因此，多组别eeg数据的联合分析有助于脑科学研究的进一步发展。
2、耦合张量分解，是一种针对多个张量数据联合分解的方法，能够解决张量分解在多组别eeg数据中成分之间的多重耦合问题。通过耦合张量分解，在保证多组别eeg数据在时间、空间和频率等高维度多线性结构特征的前提下，能够提取各个组别在时间、空间和频率等维度上的共有信息和差异信息。当前，耦合张量分解技术已成为信号处理领域新的研究热点，并且在联...
【技术保护点】
1.一种适用于多组别高维度EEG数据分析的耦合张量分解算法，其特征在于，采用如下步骤：
2.根据权利要求1所述适用于多组别高维度EEG数据分析的耦合张量分解算法，其特征在于，步骤(2)所述分解模型表示为：
3.根据权利要求1所述适用于多组别高维度EEG数据分析的耦合张量分解算法，其特征在于，步骤(3)所述代价函数表示如下：
4.根据权利要求1所述适用于多组别高维度EEG数据分析的耦合张量分解算法，其特征在于，步骤(4)所述拉格朗日函数表示如下：
5.根据权利要求1所述适用于多组别高维度EEG数据分析的耦合张量分解算法，其...
【技术特征摘要】
1.一种适用于多组别高维度eeg数据分析的耦合张量分解算法，其特征在于，采用如下步骤：
2.根据权利要求1所述适用于多组别高维度eeg数据分析的耦合张量分解算法，其特征在于，步骤(2)所述分解模型表示为：
3.根据权利要求1所述适用于多组别高维度eeg数据分析的耦合张量分解算法，其特征在于，步骤(3)所述代价函数表示如下：
4.根据权利要求1所述适用于多组别高维度eeg数据分析的耦合张量分解算法，其特征在于，步骤(4)所述拉格朗日函数表示如下：
5.根据权利要求1所述适用于多组别高维度eeg数据分析的耦合张量分解算法，其特征在于，步骤...
【专利技术属性】
技术研发人员：刘晶，王秀林，李颖，王杰，
申请(专利权)人：大连医科大学附属第一医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。