School of Computer Science and Information Security Guilin University of Electronic Technology Guilin China;
School of Electronic Engineering and Automation Guilin University of Electronic Technology Guilin China;
School of Computer Science and Inform;
Low pass filters; Electrocardiography; Heart; Feature extraction; Digital filters; Piezoelectric films; IIR filters;
机译:基于优化奇异谱分析的混合增强局部线性神经模糊模型及其在非线性混沌时间序列预测中的应用
机译:混沌分析:混沌频谱分析及其在混沌通信中的应用和混沌时间序列分析
机译:通过压力波动信号的混沌时间序列分析预测气泡塔中的流动过渡
机译:基于混沌时间序列的颅骨动画信号的非线性特征分析
机译:用于确定混沌时间序列非线性分析的嵌入维数的算法,以及美国东部天气吸引子的分形维数和可预测性的研究。
机译:基于改进遗传模拟退火算法的函数表达方法预测非线性混沌时间序列
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)
机译:基于压力信号的混沌时间序列分析表征不同固体类型的流化行为。