首页> 外文OA文献 >Motor Imagery EEG Classification Using Random Subspace Ensemble Network with Variable Length Features

【2h】

Motor Imagery EEG Classification Using Random Subspace Ensemble Network with Variable Length Features

机译：电机图像EEG分类使用随变量长度功能的随机子空间集合网络

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Zabir Al Nazi; A. B. M. Aowlad Hossain; Md. Monirul Islam;
展开▼
作者单位

展开▼
年度 2021
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. The classification of motor imagery response: an accuracy enhancement through the ensemble of random subspace k-NN [J] . Mamunur Rashid, Bifta Sama Bari, Md Jahid Hasan, PeerJ Computer Science . 2021,第a期

机译：电动机图像响应的分类：通过随机子空间K-Nn的集合进行准确性增强
2. Convolutional neural network based features for motor imagery EEG signals classification in brain–computer interface system [J] . Samaneh Taheri, Mehdi Ezoji, Sayed Mahmoud Sakhaei SN Applied Sciences . 2020,第4期

机译：基于卷积神经网络的脑机接口系统中运动图像脑电信号分类的特征
3. Spatial-Frequency Feature Learning and Classification of Motor Imagery EEG Based on Deep Convolution Neural Network [J] . Minmin Miao, Wenjun Hu, Hongwei Yin, Computational and mathematical methods in medicine . 2020,第1期

机译：基于深度卷积神经网络的电机图像脑电图的空间频率特征学习与分类
4. Comparison of EEG signal features and ensemble learning methods for motor imagery classification [C] . Mostafa Mohammadpour, MohammadKazem Ghorbanian, Saeed Mozaffari Conference on Information and Knowledge Technology . 2016

机译：脑电信号特征和整体学习方法在运动图像分类中的比较
5. Detection and Classification of EEG Epileptiform Transients with RBF Networks using Hilbert Huang Transform-derived Features [D] . Jagadeesha, Raghu. 2017

机译：基于希尔伯特·黄（Hilbert Huang）变换特征的RBF网络对脑电癫痫状瞬变的检测和分类
6. Spatial-Frequency Feature Learning and Classification of Motor Imagery EEG Based on Deep Convolution Neural Network [O] . Minmin Miao, Wenjun Hu, Hongwei Yin, 2020

机译：基于深度卷积神经网络的电机图像脑电图的空间频率特征学习与分类
7. Peer Review #1 of "The classification of motor imagery response: an accuracy enhancement through the ensemble of random subspace k-NN (v0.2)" [O] . 2021

机译：同行评论“电机图像响应的分类”中排名第一：通过随机子空间K-NN（V0.2）的集合精度增强（V0.2）“

Motor Imagery EEG Classification Using Random Subspace Ensemble Network with Variable Length Features

著录项

引文网络

相似文献

相关主题

期刊订阅