脑电情绪识别的二分类算法，数据用的deap数据集。
代码主要分为三部分：快速傅里叶变换处理（fft）、数据预处理、以及各个模型处理。
采用的模型包括：决策树、SVM、KNN三个模型（模型采用的比较简单，可以直接调用库，很适合我这种新手，看起来也方便）。
2022-01-01 09:17:33
7KB
ant neuro 脑电采集的 EEProbe .cnt格式的数据，在eeglab中的读取插件。
2021-12-23 21:01:27
568KB
1
提出一种基于集成深度学习模型的情感状态检测方法.首先从脑电信号的时域、频域和时频域中提取4种表征情绪状态显著信息的初始特征;然后使用胶质细胞链改进的深度信念网络分别提取这些特征的高层抽象表示;最后利用判别式受限玻尔兹曼机对高层抽象特征进行融合,进行情感状态预测.在DEAP数据集上进行的实验显示,胶质链能够挖掘和利用EEG不同通道之间的相关性信息,而集成深度学习模型能够有效集成EEG信号在时域、频域和时频域蕴含的情感状态相关的显著性信息.
2021-12-06 02:53:41
1.54MB
1
调用eeglab批量读取excel文件中的脑电数据并绘制脑电拓扑图，算法可以根据用户输入读取指定列的特征，指定列的数据，并将数据特征映射到图片保存的文件名中。
2021-11-23 20:48:26
33KB
1
脑电相位滞后指数欢迎使用ARC
EEG静止状态Wiki！
这个维基是做什么的
该Wiki主要旨在为如何使用github本节中提供的脚本提供一些最低限度的指导。
这些脚本将用于分析静止状态EEG数据，该数据记录在以外部电极6（放置在乳突上）作为参考电极的64通道BioSemi
ActiveTwo系统上。
假定触发代码用于闭眼段和睁眼段，并且目前仅使用闭眼段。
当前假定的预处理和后处理步骤如下：
读取试验和触发代码，仅选择闭眼段
非常基本的预处理包括：衰减，去趋势，低于60Hz的低通滤波器，重新参考乳突参考，可能的50Hz线噪声的带通滤波以及重采样至256Hz。
基本预处理后的可选外观检查
噪声通道的可选重建（尽管仅在绝对是垃圾通道时才使用此通道！）
使用ICA分解消除噪声并目视检查所得组件
将连续记录分割为4秒的片段，稍后再用于WPLI分析
重置试用时间戳记，以允许实地考察将其视为单独的“试用”。
使用多锥度快速傅立叶变换分别为5个频带中的每个频带计算加权相位滞后指数
从WPLI邻接矩阵计算各种图形指标
计算额叶不对称性和半球内前后平衡
步骤1-5非常有用，部分需要手动运行（例如，检查试
2021-11-23 16:30:38
11.97MB
1
基于deap数据集，采用了卷积神经网络（CNN）和长短期记忆神经网络等四种模型进行对比，并结合pyeeg进行特征提取，最终准确率达到了90
2021-11-22 22:12:42
647.77MB