...
机译:基于EEG信号的使用频率和时频特征的痴呆分类框架
Cranfield Univ Sch Aerosp Transport & Mfg Cranfield MK43 OAL Beds England;
China Med Univ Shengjing Hosp Dept Neurosurg Shenyang 110004 Liaoning Peoples R China;
NHS Fdn Trust Sheffield Teaching Hosp Royal Hallamshire Hosp Dept Neurosci Sheffield S10 2JF S Yorkshire England;
Zhejiang Univ Technol Dept Informat Engn Hangzhou 310023 Zhejiang Peoples R China;
Chinese Acad Sci Cixi Inst Biomed Engn Ningbo Inst Ind Technol Ningbo 315201 Zhejiang Peoples R China;
Electroencephalogram; Alzheimer's disease; machine learning; K-nearest neighbor; signal processing;
机译:基于不同的基于时间频率分布作为癫痫eeg信号分类的特征
机译:基于Fisher Vector编码的多类脑电信号分类开发时频纹理特征
机译:时频图像特征集的性能评估,以改善非平稳信号的分类和分析:在新生儿脑电图癫痫发作检测中的应用
机译:校准时频域中的时间特征和频率特征,以改善新生儿脑电信号癫痫发作的检测和分类
机译:一种使用从时频图提取的纹理特征的神经网络分类从心电图信号中检测阻塞性睡眠呼吸暂停的新方法。
机译:表征和图像RsVp活动与独立时频特性脑电信号的鲁棒分类
机译:具有独立时频特征的图像RsVp事件的EEG信号的表征和鲁棒分类。