马氏距离matlab原代码-EyeStateKNNClassifier:使用不同距离度量和邻居参数数量的k-NN算法预测眼图状态

马氏距离matlab原始代码EyeStateKNNClassifier 使用不同距离度量和邻居参数数量的k-NN算法预测眼图状态 该存储库包含“使用k-NN算法预测眼图状态：不同距离度量和邻居参数数量的比较研究”的原始实现，该方法已发布在2019年医疗技术大会（TIPTEKNO）上。 为了提出针对不同类型问题的基于k-NN的方法，必须分析并正确解释不同的距离度量和相邻参数的数量。 在此项目中，我们使用k-NN算法基于不同距离指标（城市街区，chebychev，相关性，余弦，欧几里得，马哈拉诺比斯，minkowski，seuclidean，spearman）和邻居参数的数量执行了基于脑电图的眼睛状态预测。 一些细节如下： 在可通过UCI机器学习存储库[]获得的EEG眼神状态数据集上进行的实验。 该数据集包含多变量，顺序和时间序列的现实世界EEG数据。 EEG Eye State.arf文件转换为EEGEyeStateDataSet_Data.mat（包含所有EEG数据）和EEGEyeStateDataSet_Labels.mat（包含标签）。 使用十倍留一法交叉验证技术评估分类性能以进行