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