集群计算机鼠标跟踪数据,以知情的等级收缩分区先验为基础
Ziyi Song1, Weining Shen2, Marina Vannucci3
1Department of Statistics, Donald Bren School of Information and Computer Sciences, University of California, Irvine, CA 92697, United States.
Biometrics
|October 30, 2024
概括
这项研究引入了一种分析老鼠跟踪数据的新方法,以了解认知过程. 层次缩小分区 (HSP) 模型有效地聚合了个人的决策行为,并确定了不同的神经行为子组.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 数据科学数据科学数据科学
背景情况:
- 鼠标跟踪数据通过记录任务期间的鼠标轨迹,提供了对认知过程的洞察.
- 聚合这些反应有助于识别个人决策模式和神经行为子组.
- 将鼠标跟踪与神经成像数据相结合,可以增强个性化干预.
研究的目的:
- 在从鼠标跟踪数据中集群总结统计数据之前,开发一种新的层次缩小分区 (HSP).
- 为了能够识别具有类似嵌套决策模式的受试者子组.
- 提供灵活的集群方法,以适应学科组内的变化.
主要方法:
- 在集群鼠标跟踪总结统计之前开发了一种新的层次缩小分区 (HSP).
- 基于类似的条件嵌套分区的定义主题集群,允许偏差.
- 整合了关于主体或条件分区的先前信息,以促进聚类.
主要成果:
- 证明了HSP模型在从试点研究中聚集小鼠跟踪数据的有效性.
- 模拟研究证实了该模型能够在各个受试者群体中揭示不同的行为模式.
- 高水平决策模型成功地确定了具有相似但不相同的嵌套决策行为的子组.
结论:
- 拟议的HSP模型为鼠标跟踪数据的探索性分析提供了一个独特而有效的框架.
- 它通过允许不同的主题组内的不同嵌套分区来推进双聚类方法.
- 这种方法有助于发现决策和神经行为反应中细微的个体差异.


