Liuxqsmile

<iframe src="http://docs.google.com/present/embed?id=dzdhgwg_754dbg9f8c6" frameborder="0" width="410" height="342"></iframe>

作为我这几天的重要收获，我希望能够将这个工具长期维护、发展下去，即使今后不在从事相关的工作。

因此，我将SPKtool放在了Sourceforge上，地址在这里： http://spktool.sourceforge.net/。

如果您也从事相关的工作，有这方面的实用程序，欢迎拿出来共享，共同创造一个完善的电生理信号分析工具。

本博客和Google Group上放的版本仍然保留，但不会再更新，建议到新地址下载。

...

前几天，在Sourceforge 上建了一个项目。平时网络的“花边”新闻倒是看了不少，一操作起来可就立马撞墙了。SF的帮助在它的Wiki 上，help里面反倒没什么有用的信息。简单总结一下，供外行们参考。

Sourceforge支持OpenID登录，但必须要申请一个SF的ID才可以建立项目。
项目的名称是以后可以改的。但unix name不能改，必须是唯一的。
项目必须经过站方的审批。所以关于项目的描述应该是英文的（这是我...

今天将SPKtool的第一个版本上传到我的讨论组，地址在这里：http://groups.google.com/group/liuxq-works/web。

在这个页面上还可以看到SPKtool的简介和在线使用手册。

这个版本的基本功能已经具备，个人感觉比较完整。其中很可能存在一定的问题，需要一定的时间去完善。由于时间的关系，软件中的部分功能还没有来得及在手册中详细说明，一些设想好的功能也没有实现。先发出去，看看反应再说吧。

这里...

      SPKtool是一个在MATLAB平台上编写的神经元锋电位分析工具软件，具有锋电位检测、聚类以及放电序列统计分析等功能，可以满足神经信号分析的大部分要求。并且带有批处理功能，可以加快大量数据的分析速度。SPKtool集成了锋电位分析中常用的成熟算法，并且代码是开放的，方便使用者进行二次开发，根据需要扩展其功能。软件具有直观的图形化界面和详细的说明文档，使用方便。  其功能包括：

锋电位检测：...

最近有些“忙”， blog也没有什么内容好更新。弄点简单的东西，凑个篇幅。
MATLAB中的数据，用plot画出来一般是一条连续的曲线，怎么用将它画成离散的形式呢？
例如下面的连续正弦曲线，怎么画成后面的离散形式呢？

这个方法很简单，这个上图中的连续曲线：
x = 1:100;
y = sin(x/20);
figure, plot(x,y);
不连续曲线：...

最近读夏曾佑的《中国古代史》，制作了一幅从西晋到隋即十六国和南北朝时期的更迭示意图。可能会有一些错误。

参考资料：
http://tieba.baidu.com/f?kz=45314607 ；
http://www5c.biglobe.ne.jp/~paruwees/Histoly_Goko.html
这里有一幅十六国的地理位置示意图：
http://ntpicc.51.net/cgx/image...

Inkscape 0.46的界面中共有3500项字符串，翻译的工作量很大。Chris Jia 在2006、2007年做了很多工作。由于Inkscape仍然在不断修改完善，到2008年初，我开始参与这项工作时，只有60%左右的完成度。经过一 段时间的努力，在0.46版发布之前，我将这个比例提高到了89%。
我并不从事图形图像方面的工作，专业知识不足，因此汉化后的界面中肯定存在各种问题。大家在使用Inkscape过程中，如果对一些名词或描述的译法不满意，欢迎来信指明。...

MClust 是一个MATLAB上的锋电位分类工具包，用于四电极胞外记录信号的分类，也可以用于单电极的情况。程序可以直接读入Neuralynx、Axona等记录软件的数据，也可以自己编写程序，读入特定的数据。程序本身只有分类功能，因此读入的数据必须是提取的锋电位，不能是连续记录信号。可以设置PCA、幅度等多种特征提取方法。分类方法有三种，除手动外，还有BubbleClust和KlustaKwik 两种自动聚类方法。另外这个软件的文档也很详细。
打开该软件后，首先设置好特征，以及通道...

valley seeking clustering method 
所谓的valley seeking聚类方法，就是在特征空间中寻找特征分布密度较小的位置，作为聚类的边界。如下图中的2维特征空间，形成5个分布密度较高的峰，如果能确定峰-峰间的谷的位置，也就等于确定了各个类别的边界，从而完成聚类。算法的目标是非常直观的。 这种聚类方法的流程可以简单描述如下:
1. 确定初始半径，可以取为样本标准差的某个倍数；
2. 在该半径范围...