论文研究-基于小波系数特征融合的小鼠癫痫脑电分类.pdf
采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换，获得不同频率子带的小波系数，对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征（标准差）和非线性特征（样本熵）；基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%；而融合各相关小波系数的标准差或样本熵，分类正确率分别达到86.60%和88.60%；融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显著提升，能有效实现小鼠癫痫脑电的自动分类。
文件下载
评论信息
其他资源
- 全球国家城市Excel数据
- 电商平台对入驻经营者的审核要求或规范文件【微信小程序申请模板】.docx
- Vue梳理.xmind
- c++与QML相互通信 数据交互
- C#开发无人机地面站
- 数据结构课程设计 文章编辑
- X站源码，带采集，带教程，有数据
- 教材订购系统
- 利用随机森林对高熵合金进行分类
- 这是关于LANDMARC的仿真算法
- OpenGL三维坐标系绘图程序
- 基于java新闻发布及管理系统（源码+论文）
- 飞机大战图片素材整合
- 各显卡算力对照表！
- JavaScript-源码
- 厦门大学《概率统计》两套期末考试试卷（含答案）.pdf
- QuartzDemo.rar
- studio中如何利用Debug模式来调试程序
- javaSE关于集合的Xmind总结--详细版
- QQ聊天室 包括私聊功能
- MTK 6260调试工具
- USB.for.Remote.Desktop].USB.for.Remote.Desktop.v3.1.3
- 华为项目管理10大模板excel
- 星座网源码十二星座网站源码学习专用
- Deep Learning in Python
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