[發(fā)明專利]一種基于拉普拉斯特征映射的多維神經(jīng)信號的降維和可視化方法

在審

• 申請?zhí)枺?/td>: 201810885034.1
• 申請日: 2018-08-06
• 公開（公告）號: CN109033415A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設(shè)計）人: 張韶岷;張奕煒;孫光昊
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 趙杭麗

1.一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，通過以下步驟實現(xiàn)：

(1)數(shù)據(jù)預(yù)處理：對神經(jīng)信號進行預(yù)處理，采用均值平滑的方法，對每個時間區(qū)間的信號，根據(jù)相鄰時間區(qū)間取均值。平滑后某個時間點數(shù)據(jù)的數(shù)學(xué)表達式為：

F_k(t)＝mean(S_k(t-N+1),S_k(t-N+2),...,S_k(t))

式中S k(t)表示t時刻原始數(shù)據(jù)的值，N表示平滑寬度；

(2)LE降維算法：應(yīng)用拉普拉斯特征映射(LE)對處理后的神經(jīng)數(shù)據(jù)進行降維，得到原始神經(jīng)數(shù)據(jù)的低維表示；

(3)可視化：結(jié)合實驗條件的數(shù)據(jù)標(biāo)簽，繪制出其在低維空間的神經(jīng)軌跡，展現(xiàn)降維后的數(shù)據(jù)在低維空間的動態(tài)變化，并可以用多種顏色的線條表征神經(jīng)元集群的不同活動模式。

2.根據(jù)權(quán)利要求1所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，步驟(2)平滑過的神經(jīng)數(shù)據(jù)可使用K近鄰算法將每個神經(jīng)元在一次試驗中的發(fā)放數(shù)據(jù)作為一個數(shù)據(jù)點，計算它的K個最近鄰，得到鄰接圖G。

3.根據(jù)權(quán)利要求1所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，步驟(2)中鄰接圖G計算神經(jīng)數(shù)據(jù)之間的權(quán)值矩陣W，計算公式為

其中||Xi-Xj||是數(shù)據(jù)點Xi和Xj之間的歐式距離，Xi表示第i個神經(jīng)元的活動的特征數(shù)據(jù)，σ是指數(shù)核函數(shù)的參數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，步驟(2)中根據(jù)權(quán)值矩陣W計算相應(yīng)的度矩陣D，計算公式為：

其中n的值為神經(jīng)元的個數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，步驟(2)中計算拉普拉斯矩陣L，公式為L＝D-W，其中D為度矩陣，W為權(quán)值矩陣。

6.根據(jù)權(quán)利要求5所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，其中對拉普拉斯矩陣L進行特征分解，截取最小的m個非零特征值{λ₁,λ₂,...,λ_m}對應(yīng)的特征向量[υ⁽¹⁾,υ⁽²⁾,...,υ^(m)]作為降維后的結(jié)果輸出，m為降維目標(biāo)維度，為了達到可視化的目的，m不大于4。

7.根據(jù)權(quán)利要求1所述的一種基于拉普拉斯特征映射的多維神經(jīng)信號可視化方法，其特征在于，將降維結(jié)果在低維空間可視化：分析降維得到的低維數(shù)據(jù)，根據(jù)每一維的最大值和最小值確定坐標(biāo)軸的取值范圍，建立坐標(biāo)系，在坐標(biāo)系中畫出數(shù)據(jù)點，用曲線連接，形成神經(jīng)軌跡，每一次實驗的神經(jīng)軌跡可以被動態(tài)表征，結(jié)合實驗條件的數(shù)據(jù)標(biāo)簽繪制神經(jīng)軌跡，可在低維空間對每一次實驗中神經(jīng)集群的活動模式進行可視化展示。