使用DEAP数据集中记录的EEG信号对情绪进行分类，以使用机器学习算法（如支持向量机和K - 最近邻）实现高精度得分。 1）将数据集存储在文件夹中 - > data/ 2）运行 runFile.py 文件

学习了下javase，方便记录和记忆，整理了一分较为完整的脑图，其中包含常介绍和用法，还有1.8的lambda表达式和Stream流应用等，有什么欠缺既可留言，学习后补充

UGUI脑图

非常全面的信考各个知识点的思维导图，甚至包括论文写作技巧和专业英语，值得收藏，逢考必过。

磁共振成像（MRI）是早期检测脑肿瘤的重要诊断技术，由于其形状，位置和图像强度不同，从MRI图像分类脑肿瘤是一项具有挑战性的研究工作。 为了成功分类，需要使用分割方法来分离肿瘤。 然后从分割的肿瘤中提取重要特征，以对肿瘤进行分类。 在这项工作中，开发了一种有效的多级分割方法，该方法结合了最佳阈值和分水岭分割技术，随后进行了形态学操作来分离肿瘤。 然后将卷积神经网络（CNN）用于特征提取，最后，将内核支持向量机（KSVM）用于结果分类，这通过我们的实验评估是合理的。 实验结果表明，该方法可以有效地将肿瘤分为癌性和非癌性，并具有一定的准确性。

中国脑血管病防治指南.ppt

对量化投资的所涉及的知识方面、主要概念进行了梳理，建立了其间的层次结构图，便于爱好者按图索骥。

matlab希尔伯特变换代码我的脑电信号情感识别文凭论文 此回购包含与我在雅典国立技术大学（NTUA）的电气和计算机工程系本科学习的最后一年中为文凭论文所做的工作相关的所有编码部分。 整个代码在Matlab中，并且每个.m文件中的每个脚本的功能都有一个简短的描述。 该项目包括以下三个阶段： 阶段1：特征提取 提取的功能分为以下几类： 时域特征（信号统计，Hjorth特征，非平稳索引，高阶穿越） 频域特征（STFT，高阶谱） 时频域特征（希尔伯特-黄谱，离散小波变换） 电极组合功能（比例和差分对称） 阶段2：功能选择 使用了5种独立选择方法： 救济金 科恩的f ^ 2 最小冗余最大相关性 基于快速相关的滤波器 无限特征选择 阶段3：分类 分类部分使用了4个离散分类器和1种神经网络： QDA 知识网络 支持向量机 随机森林 深度信仰网络

脑电信号基础matlab代码电管 用于脑电图 (EEG) 数据处理管道的代码集合。 这些工具实际上并不包含任何新的信号处理工具。 它们只是为了在处理大量数据集时让您的生活更轻松。 尽管该管道包括用于计算大平均 ERP、小波分解和 FFT 的工具，但其主要目的是通过prep_master.m脚本及其调用的函数进行预处理。 安装： 从 下载最新版本，将其解压缩并从 Matlab 中运行 ElektroSetup.m。 你需要什么： 最近的 Matlab（在 R2019b 上测试） EEGLAB (2019.1) 插件：Cleanline、SASICA、eye-eeg（最近的 github 版本！ ）、PREP 等。您将收到有关不匹配的依赖项的警告（请参阅elektro_dependencies.m ） SubjectsTable.xlsx（此存储库中包含一个示例）：一个 Excel 电子表格，其中包含您的主题列表和有关这些数据集的信息。 Matlab 声称也可以读取 .odt 文件，但至少在我们的机器上这是行不通的。 此表中的重要列是： 名称：多个函数需要此列，其中包含每个数据集的名称、代

EEGLAB is an interactive Matlab toolbox for processing continuous and event-related EEG。