Fisher r-z变换，z-score标准化与常用标准化

Z-score标准化　 这是数据处理最常用的方法
    * 目标：均值0，方差1
h(x1) = (h(x1)-mean(h(X))/squareroot(sum of h(xi)*h(xi))

 

标准化 (标准差置1)
    * 目标：标准差为1
    * 需要方法: PCA
    * Tips: 图像不需要因为他们都是有界像素值，只需要中心化
h(x1) = h(x1)/squareroot(sum of h(xi)*h(xi))

 

中心化 （0均值化）
    * 目标: 均值为0,增加基向量正交性
    * 需要方法: PCA
h(x1) = h(x1) - mean(h(X))

 

Min-Max标准化（归一化）
    * 目标: 把数据映射到0-1，但随着新加入的数据会导致max&min变化
h(x1) = (h(x1)-mean(h(X)))/(max(h(X))-min(h(X)))
h(x1) = (h(x1)-min(h(X)))/(max(h(X))-min(h(X)))

 

 

 

 

 

在做FC或voxel-wise degree centrality （体素方法度中心性）时，两个体素之间X和Y的相关系数（peasrson相关）：

FC通常用Fisher r-z变换增加分析效率，z变换公式为：

 

类似于二元正态数据方差为1。因为当相关系数|r|过于接近1的时候，方差会非常小。

z-score标准化为：

DC，fALFF用z-score。计算方法为每个数据减去均值再除以标准差，大于均值为正小于均值为负。可以衡量某个体素值在分布中相对位置。

 

度：通过计算每个体素互相的pearson相关加权和。通过一定阈值，二值计算方法计算的是与该体素相关大于阈值的体素个数，权重计算方法计算所有体素与该体素的连接强度之和。通常用z-score来标准化。阈值通常设为0.2，严格可以考虑0.25.

 

根据研究目的选择positive，absolute或negative。

度中心度，为其他所有体素与该体素的平均连接强度：