使用参数高斯copula计算互信息量和其他信息理论量的函数。
这提供了一个稳健的基于排名的统计数据，可以以统一的方式处理多维、连续和离散变量，并在公共尺度（bits）上产生有意义的影响大小。
条件互信息和交互信息等高阶量量化了多变量之间的统计关系。
如果您将此代码用于在索引日志或存储库中发布的分析，请引用以下文章：
拉阿·因斯、比尔·乔丹诺、C·凯瑟、GA·罗塞莱、J·格罗斯和PG·施恩斯
“基于高斯copula估计的互信息的神经影像数据分析统计框架”
人脑映射doi:10.1002/hbm.23471
对于包含补充信息的期刊，如果没有为引文编制索引，请将引文放在已编制索引的主要手稿中。
matlab_示例目录包含再现该论文分析的教程示例脚本。
引用为
罗宾（2021）。高斯copula互信息(https://github.com/robince/gcmi)，GitHub。恢复.
matlab
matlab_示例
要查看或报告此GitHub加载项中的问题，请访问GitHub存储库.
要查看或报告此GitHub加载项中的问题，请访问GitHub存储库.
