任务判别成分分析法(TDCA)\\(TDCA)main-python程序运行

上传者: 43158059 | 上传时间: 2024-05-13 09:22:14 | 文件大小: 67KB | 文件类型: RAR
脑机接口(BCI)为大脑和外部设备之间提供了一个直接通信通道。基于稳态视觉诱发电位的脑机接口(SSVEPBCI)因其高信息传输率而受到越来越多的关注。任务相关成分分析法(TRCA)是一种最新的单独校准 SSVEPBCI 的方法。然而,在 TRCA 中,从每个刺激中学习到的空间滤波器可能是冗余的,时间信息没有得到充分利用。针对这一问题,本文提出了一种新方法,即任务判别成分分析法(TDCA),以进一步提高单独校准的 SSVEPBCI 的性能。通过两个公开的基准数据集对 TDCA 的性能进行了评估,结果表明 TDCA 的性能明显优于集合 TRCA 和其他竞争方法。测试 12 名受试者的离线和在线实验进一步验证了 TDCA 的有效性。本研究为设计经过视频校准的 SSVEPBCI 解码方法提供了新的视角,并为其在高速脑拼写应用中的实现提供了启示 ———————————————— 版权声明:本文为CSDN博主「紫钺-高山仰止」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/qq_43158059/articl

文件下载

资源详情

[{"title":"( 21 个子文件 67KB ) 任务判别成分分析法(TDCA)\\\\(TDCA)main-python程序运行","children":[{"title":"fbtdca","children":[{"title":"main.py <span style='color:#111;'> 1.84KB </span>","children":null,"spread":false},{"title":"utils","children":[{"title":"__init__.py <span style='color:#111;'> 112B </span>","children":null,"spread":false},{"title":"download.py <span style='color:#111;'> 4.81KB </span>","children":null,"spread":false},{"title":"performance.py <span style='color:#111;'> 11.58KB </span>","children":null,"spread":false},{"title":"channels.py <span style='color:#111;'> 1.86KB </span>","children":null,"spread":false},{"title":"io.py <span style='color:#111;'> 2.58KB </span>","children":null,"spread":false},{"title":"64-channels.loc <span style='color:#111;'> 1.94KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"download.cpython-39.pyc <span style='color:#111;'> 4.33KB </span>","children":null,"spread":false},{"title":"__init__.cpython-39.pyc <span style='color:#111;'> 332B </span>","children":null,"spread":false},{"title":"channels.cpython-39.pyc <span style='color:#111;'> 2.00KB </span>","children":null,"spread":false},{"title":"io.cpython-39.pyc <span style='color:#111;'> 2.51KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"tsinghua.py <span style='color:#111;'> 16.64KB </span>","children":null,"spread":false},{"title":"ssvep.py <span style='color:#111;'> 22.34KB </span>","children":null,"spread":false},{"title":"model_selection.py <span style='color:#111;'> 14.29KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"ssvep.cpython-39.pyc <span style='color:#111;'> 18.69KB </span>","children":null,"spread":false},{"title":"tdca.cpython-39.pyc <span style='color:#111;'> 19.50KB </span>","children":null,"spread":false},{"title":"model_selection.cpython-39.pyc <span style='color:#111;'> 11.17KB </span>","children":null,"spread":false},{"title":"tsinghua.cpython-39.pyc <span style='color:#111;'> 12.99KB </span>","children":null,"spread":false},{"title":"base.cpython-39.pyc <span style='color:#111;'> 18.38KB </span>","children":null,"spread":false}],"spread":true},{"title":"base.py <span style='color:#111;'> 19.68KB </span>","children":null,"spread":false},{"title":"tdca.py <span style='color:#111;'> 22.37KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明