Candock | 英文|| 时间序列信号分析和分类框架。 它包含多个网络，并提供数据预处理，数据扩充，培训，评估，测试和其他功能。 一些输出示例： 特征 数据预处理 规范：5_95 | maxmin | 没有任何 过滤器：fft | 冷杉| ir | 小波| 没有任何 资料扩充 各种数据扩充方法。 基数：比例，经线，app，aaft，iaaft，filp，作物 噪音：尖峰，阶跃，斜率，白色，粉红色，蓝色，棕色，紫色 甘：dcgan 网络 各种评估网络。 1天 lstm，cnn_1d，resnet18_1d，resnet34_1d，multi_scale_resnet_1d，micro_multi_scale_resnet_1d，自动编码器，mlp 2d（频谱图） mobilenet，resnet18，resnet50，resnet101，densenet121，densene

对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度，本文构建了SVM支持向量机回归模型，并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 对影响因素数据（除去取值深度）进行主成分分析（PCA），将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列，以六类流体性质（含油水层、差油层、干层、水层、油层及油水同层）作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题，因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学及机器学习算法（SVM）的实例应用 关键词：SVM支持向量机；留一法交叉验证；主成分分析；matlab

三、SVM的C语言编程介绍 1.求解SVM的两个开源开发包： Libsvm: http://www.csie.ntu.edu.tw/~cjlin SVM-light：http://ais.gmd.de/~thorsten/svm_light : : ... 2. 利用SVM的C语言程序直接进行分类器的训练和测试： 例： 1 1:67 2:66 3:72 4:72 5:59 6:71 7:54 8:67 9:79 -1 1:101 2:108 3:100 4:99 5:102 6:95 7:93 8:96 9:89

信道编码matlab代码黎曼伪像子空间重建Matlab工具箱 该存储库包含EEGLAB [0]插件的代码，可用于使用Riemannian几何校正EEG工件。 该方法是Mullen等人发表的原始ASR方法的改编。 [1]。 有关其工作的详细信息，请参阅Blum等。 [3]。 rASR工具箱使用Manopt工具箱进行涉及流形和黎曼几何的计算，请注意，在当前实现中，rASR工具箱中使用并包含一个经过自适应的linear_eigenspace函数，而其余的manopt则必须从工具箱中使用。 Matlab路径。 这只是一个临时解决方案，很快将以更可持续的方式进行编码。 用法 要使用rASR清理，只需将其添加到Matlab路径后，像原始ASR插件一样调用此插件： addpath( ' rASRfolder/ ' , ' -begin ' ); % call clean_rawdata EEG = clean_rawdata(EEG, arg_flatline, arg_highpass, arg_channel, arg_noisy, arg_burst, arg_window); 也可以将rAS

遗传算法优化SVM分类 程序完整 亲测可用！

脑电信号处理视频教程 eeglab教程

svm分类器，用于对曲线进行分类

006_基于支持向量机(SVM)的时间序列预测 Matlab代码实现过程，调用了libsvm工具箱实现

EDF阅读器 允许用户在 Matlab 中读取 .edf 脑电图文件。 在 Matlab 中读取小的 EDF 文件相对容易，网上有多种方法可以这样做。 但是，当 EDF 文件非常大时，这些工具不能很好地工作，因为它们通常会尝试将整个文件读入内存。 这个 EDF-Reader 创建一个代表 EDF 文件的对象，并提供对 EDF 文件中数据的随机访问。 创建对象时，将 EDF 标头读入对象，并且可以使用 GETDATA 方法读取（部分）可用数据。 Example: Reading the first 10000 values of the second channel in 'newFile.edf' >> out = EDFData('newFile.edf') out = EDFData with properties: ver

基于SVM的金融时间序列分析的研究，刘迪，，本文通过比较支持向量机（SVM）和自回归移动平均模型(ARIMA)在金融时间序列回归分析的实验，提出了一种新的SVM和ARIMA的组合模型。该模