Question

我有一个矩阵64x64x32x90，代表时间t的x，y，z像素。我有一个参考信号1x90，它代表我在某个点（x，y，z）的像素所期望的行为。我正在构建一个新图像，显示每个像素与我的参考之间的相关性。

load('DATA.mat');
ON = ones(1,10);
OFF = zeros(1,10);
taskRef = [OFF ON OFF ON OFF ON OFF ON OFF];

corrImage = zeros(64,64,36);
for i=1:64,
    for j=1:63,
        for k=1:36
            signal = squeeze(DATA(i,j,k,:));
            coef = corrcoef(signal',taskRef);
            corrImage(i,j,k) = coef(2);
        end
    end
end

我的过程太慢了。有没有办法摆脱我的循环或调整代码以获得更好的运行时间？

Answer 1

重塑您的数据，使其前三个维度合并为一个（所以现在有64 * 64 * 32行和90列）。

然后使用pdist2（带'correlation'选项）计算每行与预期模式的相关性。

最后，将结果重塑为所需的形状。

DATA2 = reshape(DATA, [],90);
corrImage = 1 - pdist2(DATA2, taskRef, 'correlation');
corrImage = reshape(corrImage, 64,64,32);

相关系数数据驱动方法可能吗？

1 个答案: