Epilepsy; Linear Discriminant Analysis; MEG;
机译:具有线性判别分析的多通道EEG时间序列中的自动癫痫癫痫发作
机译:交替三线性分解方法的柔性和新策略与三元化学数据分析的二维线性判别分析相结合:表征和分类
机译:线性判别分析在健康受试者阿片成瘾者生化和血液学鉴别中的应用:一项病例对照研究。
机译:使用线性判别分析对健康和癫痫患者进行MEG数据分类
机译:使用支持向量机,线性判别分析和决策树分类方法的真实和想象的手指抽头的近红外检测近红外检测
机译:痴呆症预测中的数据挖掘方法:线性判别分析逻辑回归神经网络支持向量机分类树和随机森林的准确性敏感性和特异性的真实数据比较
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)