针对传统的自动睡眠分期准确率不足问题，提出一种将多尺度熵（MSE）和主成分分析（PCA）联合使用的自动睡眠分期方法。以8例受试者睡眠脑电（EEG）监测数据及专家人工分期结果作为样本，首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征；然后使用PCA的前两个主成分向量代替MSE特征进行降维，实现降低数据冗余的同时保留绝大多数EEG非线性特征；最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明，自动分期准确率可达到87.9%，kappa系数0.77，该方法能提高脑电自动睡眠分期系统的准确率和稳定性。

基于一个公开数据集和一个BCI竞赛数据集，提供一个SVM-CSP运动想象二分类demo，详见https://www.xxy.ink/learn/bci/2.html。包含脑电CSP特征提取，运动想象支持向量机分类，bbci和biosig工具箱等。

初学者，急需补充基础知识的需求人员，内置细致如毛。

稳

一张图带你了解整个xue全家桶相关。包括vue、vue-router、vuex、webpack、浏览器相关等所有vue全家桶相关知识点。

该数据基于SSVEP经典实验范式产生，所提供数据为4维数据，其中第一个维度表示数据采集的通道数，第二个维度表示数据采样点数，第三个维度表示实验次数，第四个维度表示试验中刺激块的闪烁频率。例如Data_1数据大小为[9,5120,40,6],9表示该实验数据的采集来自于9个通道，5120为采样点数，40表示为确保数据的可靠性，共进行了40轮，6表示SSVEP实验范式中刺激块的闪烁频率为6个不同的频率

人类脑区划分模板对应，如有侵权请联系删除。

信息系统项目管理师-信息系统范围管理核心知识点思维脑图.rar 信息系统项目管理师-信息系统范围管理核心知识点思维脑图.rar 信息系统项目管理师-信息系统范围管理核心知识点思维脑图.rar 信息系统项目管理师-信息系统范围管理核心知识点思维脑图.rar 信息系统项目管理师-信息系统范围管理核心知识点思维脑图.rar

基于SVM的机器学习脑电信号EEG情绪识别代码和数据

脑卒中患者表面肌电信号与痉挛性肌张力关系分析