使用知情分层收缩划分先验对计算机鼠标追踪数据进行聚类

鼠标追踪数据记录了参与者在执行实验任务时的计算机鼠标轨迹，为了解受试者的潜在认知过程提供了宝贵见解。神经科学家对聚类受试者在计算机鼠标追踪任务中的反应感兴趣，以揭示个体决策行为模式，并识别具有相似神经行为反应的群体亚组。这些数据可以与神经影像数据结合，为个性化干预提供额外信息。在本文中，我们开发了一种新颖的分层收缩划分（HSP）先验，用于对从鼠标追踪数据轨迹中得出的汇总统计量进行聚类。HSP 模型将一个受试者聚类定义为一组受试者，这组受试者会产生更相似（而非完全相同）的条件嵌套划分。所提出的模型可以纳入关于受试者或条件划分的先验信息以促进聚类，并且允许每个受试者组内的嵌套划分存在偏差。这些特征将 HSP 模型与其他双聚类方法区分开来，后者通常在受试者组内创建完全相同的条件嵌套划分。此外，它也不同于现有的嵌套聚类方法，后者基于抽样模型中的共同参数定义聚类，并通过不同的分布来识别受试者组。我们通过一项初步研究的鼠标追踪数据集和模拟研究，展示了 HSP 模型的独特特征。我们的结果表明，所提出的探索性框架在聚类和揭示不同受试者组之间可能存在的不同行为模式方面具有能力和有效性。