<div dir="ltr">Dear Ronald and Simon,<div><br></div><div>I completely agree with Simon. Use pcschash() function for dimension reduction, like</div><div><br></div><div>[eigenvectors,eigenvalues] = pcsquash(EEG.data(:,:), 15);</div>

<div><br></div><div>Makoto</div></div><div class="gmail_extra"><br><br><div class="gmail_quote">2014-05-05 10:27 GMT-07:00 Simon Kamronn <span dir="ltr"><<a href="mailto:simon@kamronn.dk" target="_blank">simon@kamronn.dk</a>></span>:<br>

<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div lang="DA" link="#0563C1" vlink="#954F72"><div><p class="MsoNormal"><span style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d">Hi Ronald,<u></u><u></u></span></p>

<p class="MsoNormal"><span style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US" style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d">Depending on your specific application, I would just use PCA and then retain the 15 components with largest eigenvalues. Alternatively you could interpolate new channels from the old. <u></u><u></u></span></p>

<p class="MsoNormal"><span lang="EN-US" style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US" style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d">Best,<u></u><u></u></span></p>

<p class="MsoNormal"><span lang="EN-US" style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d">Simon<u></u><u></u></span></p><p class="MsoNormal"><a name="145ce0d0cbb2952f__MailEndCompose"><span lang="EN-US" style="font-size:11.0pt;font-family:"Calibri","sans-serif";color:#1f497d"><u></u> <u></u></span></a></p>

<div><div style="border:none;border-top:solid #e1e1e1 1.0pt;padding:3.0pt 0cm 0cm 0cm"><p class="MsoNormal"><b><span style="font-size:11.0pt;font-family:"Calibri","sans-serif"">Fra:</span></b><span style="font-size:11.0pt;font-family:"Calibri","sans-serif""> <a href="mailto:eeglablist-bounces@sccn.ucsd.edu" target="_blank">eeglablist-bounces@sccn.ucsd.edu</a> [mailto:<a href="mailto:eeglablist-bounces@sccn.ucsd.edu" target="_blank">eeglablist-bounces@sccn.ucsd.edu</a>] <b>På vegne af </b>Anderson, Ronald C<br>

<b>Sendt:</b> 4. maj 2014 09:18<br><b>Til:</b> <a href="mailto:eeglablist@sccn.ucsd.edu" target="_blank">eeglablist@sccn.ucsd.edu</a><br><b>Emne:</b> [Eeglablist] Merging of Channel Time Series<u></u><u></u></span></p></div>

</div><div><div class="h5"><p class="MsoNormal"><u></u> <u></u></p><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black">All:<u></u><u></u></span></p>
</div>
<div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black"><u></u> <u></u></span></p></div><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black">As part of an EEG time series analysis, our team would like to combine multiple channels of data into a single time series. As an example, taking 60 channels of EEG data and merging certain channels to make a set of 15 channels. Several analyses would be conducted on the merged data, including coherence, power, SL, and GC. I am writing to the EEGLAB list serve to see if anyone has suggestions for a best-practice method of integrating several channels into a representative time series. <u></u><u></u></span></p>

</div><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black"><u></u> <u></u></span></p></div><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black">We thank you for any assistance you can provide. My apologies if this question seems simplistic or has already been addressed on the list serv. <u></u><u></u></span></p>

</div><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black"><u></u> <u></u></span></p></div><div><p class="MsoNormal"><span style="font-size:10.5pt;font-family:"Calibri","sans-serif";color:black">Regards,<u></u><u></u></span></p>

</div></div></div></div></div><br>_______________________________________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" target="_blank">http://sccn.ucsd.edu/eeglab/eeglabmail.html</a><br>
To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu">eeglablist-unsubscribe@sccn.ucsd.edu</a><br>
For digest mode, send an email with the subject "set digest mime" to <a href="mailto:eeglablist-request@sccn.ucsd.edu">eeglablist-request@sccn.ucsd.edu</a><br></blockquote></div><br><br clear="all"><div><br></div>

-- <br><div dir="ltr">Makoto Miyakoshi<br>Swartz Center for Computational Neuroscience<br>Institute for Neural Computation, University of California San Diego<br></div>
</div>