matlab矩阵求和函数代码-Comparison-between-two-implementation-approaches-of-TRCA
matlab矩阵求和函数代码Matlab
中
TRCA
的两种实现方法的比较
SSVEP
识别中使用的最先进算法之一是任务相关组件分析
(TRCA)。
这里我比较了
Matlab
中
TRCA
的两种实现方法。
一个是由
Masaki
Nakanishi
在
.
基于这个版本（参见trca.m），我提出了一种新的实现方式，计算速度更快，参见trca_fast.m。
它们之间的主要区别在于函数
trca()
使用
FOR
循环来计算协方差矩阵，而
trca_fast()
使用矩阵计算来计算协方差矩阵。
我们知道
Matlab
使用矩阵计算比使用
FOR
循环更好地进行计算，trca_fast()
可以更快地进行计算。
使用
FOR
循环：
它计算
FOR
循环（即
S
和
Q）中任意两次试验之间的协方差矩阵的总和，如以下代码所示：
%
eeg
:
Input
eeg
data
%
(#
of
channels,
Data
length
[sample],
#
of
trials)
for
trial_i
=
1:1:num_trials-1
x1
=
squeeze(eeg(:,:,tr
文件下载
资源详情
[{"title":"（ 7 个子文件 157KB ） matlab矩阵求和函数代码-Comparison-between-two-implementation-approaches-of-TRCA","children":[{"title":"Comparison-between-two-implementation-approaches-of-TRCA-in-Matlab-main","children":[{"title":"cal_error.png <span style='color:#111;'> 77.19KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 34.33KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.07KB </span>","children":null,"spread":false},{"title":"trca_fast.m <span style='color:#111;'> 1.10KB </span>","children":null,"spread":false},{"title":"trca.m <span style='color:#111;'> 1.30KB </span>","children":null,"spread":false},{"title":"comparison_trca_trca_fast.m <span style='color:#111;'> 2.32KB </span>","children":null,"spread":false},{"title":"cal_time.png <span style='color:#111;'> 87.92KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- 7系列FPGA原语例程
- tensorflow使用一维卷积对序列数据进行训练
- Springboot+mybatis登录注册增删改查
- 斗地主（QT4.8.6编译通过）
- Hadoop和HIVE面试题
- 生物医药：创新药周报20210228.pdf
- compose-challenge-week1：jetpack中的第一个挑战应用程序compose开发挑战系列-源码
- 138.月报工作总结扁平化ppt模板下载.ppt
- FFQueue 开源FFmpeg 图形化界面 影音格式转换
- compat-libstdc++-33-3.2.3-72.el7.x86_64.zip
- 各种语言编写的pcm代码
- Android代码-滴答词典源码.zip
- 全景图像拼接程序源代码VC++
- 天腾TTCE-M100产品说明
- C_本质论(中文版)
- activity6.0 jar包
- SONY CXN0102
- 用doxygen+graphviz自动化生成代码文档
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
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