matlab脑电功率谱代码-M.Sc.-Thesis:脑电信息处理

上传者: 38589314 | 上传时间: 2022-04-15 20:17:32 | 文件大小: 160KB | 文件类型: ZIP
matlab脑电功率谱代码硕士论文 发言题目:基于参数特征分析的情感状态分类中基于神经元脑电图的计算有效和鲁棒光谱特征信息提取模型的研究 概述描述:在本研究中,我们探索了在EEG特征提取任务中使用特征矩阵分解的各种参数PSD(功率谱密度)估计器模型。 该研究还对EEG波形的子空间维数估计进行了详细分析,这是基于本征分析的参数化PSD估计器必不可少的参数。 我们观察了计算光谱的标准偏差,绝对偏差,统计范数和其他统计参数的t值和p值,以分析光谱相关性。 该研究实现了PCA以减少特征尺寸空间,并探索了自动编码器的使用。 我们还探讨了从计算出的光谱中生成脑电图地形图像的概念,将其作为可能的特征提取方法。 提取的特征用于卷积神经网络,LSTM网络和多层感知器网络上,用于分类任务。 对于详细的数据可视化,我们使用了统计的Seaborn libray和Matplotlib3D。 有关研究的图和更多详细信息,请点击此处()。 Github代码库说明:在“ transformation_matlab_codes”子目录中提供了用于频域转换的部分matlab代码库。 “ python_automation

文件下载

资源详情

[{"title":"( 26 个子文件 160KB ) matlab脑电功率谱代码-M.Sc.-Thesis:脑电信息处理","children":[{"title":"M.Sc.-Thesis-main","children":[{"title":"python_automation_tasks_and_plots","children":[{"title":"Project_Reader","children":[{"title":"file_class_extended_script.py <span style='color:#111;'> 699B </span>","children":null,"spread":false},{"title":"file_class_script.py <span style='color:#111;'> 1.02KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"read_one_file.cpython-36.pyc <span style='color:#111;'> 1.09KB </span>","children":null,"spread":false},{"title":"read_full_dir.cpython-36.pyc <span style='color:#111;'> 1.10KB </span>","children":null,"spread":false},{"title":"file_class_script.cpython-36.pyc <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"read_file_class.cpython-36.pyc <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"file_class_extended_script.cpython-36.pyc <span style='color:#111;'> 1.14KB </span>","children":null,"spread":false}],"spread":true},{"title":"dir_class_script.py <span style='color:#111;'> 136B </span>","children":null,"spread":false},{"title":"test.py <span style='color:#111;'> 1.70KB </span>","children":null,"spread":false},{"title":"augmented_data_1_14","children":[{"title":"train_test_split_pca.py <span style='color:#111;'> 712B </span>","children":null,"spread":false},{"title":"create_feature_label_files.py <span style='color:#111;'> 1.55KB </span>","children":null,"spread":false},{"title":"gen_pca.py <span style='color:#111;'> 593B </span>","children":null,"spread":false}],"spread":true},{"title":"read_full_dir.py <span style='color:#111;'> 3.90KB </span>","children":null,"spread":false},{"title":"music_7_data","children":[{"title":"train_test_split_pca.py <span style='color:#111;'> 1.11KB </span>","children":null,"spread":false},{"title":"gen_pca.py <span style='color:#111;'> 582B </span>","children":null,"spread":false}],"spread":true},{"title":"copy_paste_files.py <span style='color:#111;'> 4.50KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 2.02KB </span>","children":null,"spread":false},{"title":"extracat_feature_label_from_dataset.py <span style='color:#111;'> 4.84KB </span>","children":null,"spread":false}],"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.72KB </span>","children":null,"spread":false},{"title":"Transformations_matlab_codes","children":[{"title":"test_transform_directory.mlx <span style='color:#111;'> 6.47KB </span>","children":null,"spread":false},{"title":"transform_directory.mlx <span style='color:#111;'> 3.34KB </span>","children":null,"spread":false},{"title":"transform_dataset.mlx <span style='color:#111;'> 36.27KB </span>","children":null,"spread":false},{"title":"transform_validation.mlx <span style='color:#111;'> 69.57KB </span>","children":null,"spread":false},{"title":"micro_module.mlx <span style='color:#111;'> 5.02KB </span>","children":null,"spread":false},{"title":"validate_one_file.mlx <span style='color:#111;'> 22.93KB </span>","children":null,"spread":false},{"title":"transform_subject.mlx <span style='color:#111;'> 2.85KB </span>","children":null,"spread":false}],"spread":true}],"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