退出
我的积分:
中文文献批量获取
外文文献批量获取
张朋; 周前祥; 于洪强; 王川;
北京航空航天大学生物与医学工程学院;
航天员科研训练中心;
中国人民解放军海军特色医学中心;
脑力疲劳; 脑电波; 脑电特征; 随机森林; 检测模型;
机译:基于动态中心和基于多阈值的稳定特征提取网络,用于利用EEG信号的驱动疲劳检测
机译:基于梯度升压决策树模型自动检测基于EEG信号的驱动疲劳
机译:基于EEG的驱动疲劳检测使用多级特征提取和迭代混合特征选择
机译:基于生物信号的艺术表达式的用户界面设计:基于弱周期信号检测的EEG特征提取方法
机译:一种基于快速脑电图(EEG)数据对不同任务进行分类的新颖多元分析方法
机译:EEG信号对心理疲劳检测的频道选择和多特征融合研究
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:多重光谱传感仪器。附录a:化学过程的光谱诊断:光学参量振荡器的应用。附录B:基于快速扫描腔的腔体衰荡光谱中的光学外差信号生成和检测
机译:用于信号或频谱的选择信号或检测信号的频谱特征的方法,涉及基于两个事件在信号部分中选择检测信号的信号特征
机译:基于电子病历(EEG)数据的疲劳检测
机译:基于Eeg的疲劳检测
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。