搜索资源列表
wave_neural_crossvalind
- 应用连续小波变换对脑机接口（BCI）信号处理，进入神经网络分类，包括BP网络和LVQ网络-continuous wavelet transform application of brain-machine interfaces (BCI) signal processing, neural network access classification, BP network including network and LVQ
BCIMultiModalAttention
- 基于多模式的脑机接口，基于u节律的注意力相关的联合分类系统-A Brain-Computer Interface Based on Multi-Modal Attention
Feature-Extraction--in-Brain--
- 在线脑机接口中脑电信号的 特征提取与分类方法-Feature Extraction Classification of in Brain Computer .pdf
xiaobo-svm
- 关于脑机接口的文献，基于SVM和小波分析的脑电信号分类方法-Literature on brain-computer interface the EEG classification method based on SVM and Wavelet Analysis
EEG--classification
- 脑电信号的提取和特征分类还有滤波处理，适用于脑机接口技术中-EEG extraction and feature classification filtering process, applied to brain-computer interface technology
xiaoboshang_SVM
- 脑机接口分类，特征提取用小波包熵，分类使用SVM分类器(Brain-computer interface classification, feature extraction using wavelet packet entropy, classification using SVM classifier)
csp
- 共空间模式（CSP）是一种对两分类任务下的空域滤波特征提取算法，能够从多通道的脑机接口数据里面提取出每一类的空间分布成分。公共空间模式算法的基本原理是利用矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量。
csp
- 共空间模式（CSP）是一种对两分类任务下的空域滤波特征提取算法，能够从多通道的脑机接口数据里面提取出每一类的空间分布成分。公共空间模式算法的基本原理是利用矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量。
BCI_MI_CSP_DNN
- BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。 基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序 本程序的原理基于CSP和DNN算法 这个程序的性能是基于BCI竞赛II数据集II 提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上，采用共空间模型(CSP)方法提取脑电图特征矩阵，并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实