Variability: Analysis
Coefficient of Variation
Variation
Regression Analysis
Kendall's Coefficient of Concordance
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Updated: Jul 23, 2025

Basics of Multivariate Analysis in Neuroimaging Data
Published on: July 24, 2010
Mitja Briscik1, Marie-Agnès Dillies2, Sébastien Déjean3
1Institut de Mathématiques de Toulouse, UMR5219, CNRS, UPS, Université de Toulouse, Cedex 9, 31062, Toulouse, France. mitja.briscik@math.univ-toulouse.fr.
本研究介绍了Kernel PCA可解释梯度 (KPCA-IG),这是一种快速的,数据驱动的方法,用于在高通量数据中的特征重要性. KPCA-IG准确地识别了有影响力的变量,可能会发现新的生物标志物.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: