脑电信号(EEG)
文章平均质量分 82
脑电相关算法
iceberg7012
这个作者很懒,什么都没留下…
展开
-
脑机接口实例三:Python读写脑电edf数据
系列文章目录提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加例如:第一章 Python 机器学习入门之pandas的使用提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例原创 2021-08-27 16:04:11 · 7321 阅读 · 2 评论 -
几种数据预处理方法汇总(标准/中心化、归一化、正则化)+Python代码
先介绍两个基本概念(均值、方差):数据的标准化(规范化/归一化)数据标准化是将样本的属性缩放到某个指定的范围。数据标准化的原因:某些算法要求样本具有零均值和单位方差;需要消除样本不同属性具有不同量级时的影响:①数量级的差异将导致量级较大的属性占据主导地位;②数量级的差异将导致迭代收敛速度减慢;③依赖于样本距离的算法对于数据的数量级非常敏感。z-score标准化(规范化): 基于原始数据的均值(mean)和标准差(standarddeviation)进行数据的标准化。将A的原始值x使用z-sc原创 2020-10-22 22:00:23 · 3439 阅读 · 0 评论 -
主成分分析(PCA)与线性判别分析(LDA)的区别与联系
LDA用于降维,和PCA有很多相同,也有很多不同的地方,因此值得好好的比较一下两者的降维异同点。相同点:1)两者均可以对数据进行降维。2)两者在降维时均使用了矩阵特征分解的思想。3)两者都假设数据符合高斯分布。不同点:1)LDA是有监督的降维方法,而PCA是无监督的降维方法2)LDA降维最多降到类别数k-1的维数,而PCA没有这个限制。3)LDA除了可以用于降维,还可以用于分类。4)LDA选择分类性能最好的投影方向,而PCA选择样本点投影具有最大方差的方向。这点可以从下图形象的看出,在某原创 2020-10-21 14:19:32 · 7294 阅读 · 1 评论 -
典型相关分析(CCA)简述
文章目录前言一、算法原理二、举个例子三、CCA算法计算步骤四、编程实例1.引入库总结前言 典型相关分析(Canonical Correlation Analysis)是研究两组变量之间相关关系的一种多元统计方法,它能够揭示出两组变量之间的内在联系。 在一元统计分析中,用相关系数来衡量两个随机变量的线性相关关系,用复相关系数研究一个随机变量与多个随机变量的原创 2020-10-24 09:44:18 · 19013 阅读 · 5 评论 -
常用的数据分析方法(聚类、因子、相关、对应、回归、方差)简述【转】
常见的数据分析方法有哪些对于每个科研工作者而言,对实验数据进行处理是在开始论文写作之前十分常见的工作之一。但是,常见的数据分析方法有哪些呢?常用的数据分析方法有:聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析。1、聚类分析(Cluster Analysis)聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析,在分类的过程中,转载 2020-10-16 16:14:34 · 13283 阅读 · 0 评论 -
数据降维的几种常见方法(PCA;FA;LDA;ICA等)
文章目录降维方式简述一、主成分分析(PCA)二、使用步骤1.引入库2.读入数据总结降维方式简述在学习ICA算法的过程中,了解到常常需要对数据进行降维,如PCA,FA等,以达到数据预处理的效果,因此查阅相关资料,在这里对数据降维的几种常见方法进行归纳、梳理。数据降维就是降低数据的维度,达到增加样本密度以及去噪的目的。降维方式主要有两种方式:1、一种是特征选择:直接选取原有维度的一部分参与后续的计算和建模过程,用选择的维度替代所有维度,整个过程不产生新的维度(即从现有的特征里选择较小的一些来达到降维原创 2020-10-23 20:39:12 · 36791 阅读 · 1 评论 -
因子分析(FA)算法简述
文章目录前言一、什么是因子分析?1.1 因子分析应用背景1.2 因子分析算法的基本步骤1.3 因子分析算法的数学解释1.3.1 因子模型1.3.2 因子载荷矩阵的求解二、因子分析的应用实例三、主成分分析(PCA)与因子分析(FA)的联系与区别总结前言在学习数据降维时,了解到因子分析(FA)算法是其中的一种方式,因此,在这里对因子分析算法做一个简要的归纳、梳理,后续会对数据降维的几种方式做个总结,感兴趣的朋友,可以持续关注。一、什么是因子分析?因子分析法是指: 研究从变量群中提取共性因子的统计技术,原创 2020-10-16 15:29:53 · 75881 阅读 · 1 评论 -
主成分分析(PCA)算法简述
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、PCA降维的简单示例1.1 降维1.2. 数学原理解释1.2.1. 基变换的矩阵表示1.2.2. 最优基的选取方法1.2.3. 示例(二维数据降维)二、PCA算法介绍2.1.PCA算法描述2.1.1. 最大化投影后方差:2.1.2. 最小化投影后的损失:2.2 PCA算法步骤三、PCA算法编程示例总结前言 在学习ICA算法的时候,提到了P原创 2020-10-13 15:54:05 · 2862 阅读 · 0 评论 -
脑机接口实例二:脑电信号CSP处理
文章目录前言一、实例说明1.1 期望目标1.2 数据解读二、实例代码及结果分析2.1 MATLAB代码2.2 运行结果及分析三、问题与反思四、下一阶段计划前言本文在实例一的基础之上,选用BCI大赛08年数据集,基于CSP的特征提取,运用AdaBoost算法进行集成分类,以期实现运动想象中左、右手动作脑电信号的分类。一、实例说明1.1 期望目标掌握数据集预处理的方法实际运用CSP算法进行特征提取对提取的特征进行boosting分类(AdaBoost是其中一种)1.2 数据解读实验范原创 2020-12-05 21:46:06 · 4570 阅读 · 6 评论 -
脑机接口实例一:脑电信号分类
文章目录前言一、eeglab插件-脑电信号的可视化显示二、信号输入1.信号处理2.eeglab可视化显示三、特征提取总结前言基于PCA,ICA,CSP等相关算法,以及FIR、IIR等相关滤波的学习,开始下一阶段,脑机接口的实战化训练与学习。本篇为实际案例分享,脑电信号的分类,原始博客详见运动想象丨特征提取 MATLAB例程(一)本文代码见网盘提取muda一、eeglab插件-脑电信号的可视化显示eeglab是一个交互式的matlab工具箱,用于处理连续的和与事件相关的eeg、meg和其他电生理数原创 2020-11-27 17:49:11 · 3459 阅读 · 4 评论 -
滤波器(FIR与IIR)
文章目录前言一、滤波器1.1 简介1.2 类型1.3 应用二、FIR与IIR滤波2.1 脉冲响应2.2 FIR与IIR比较2.3 滤波方法三、python实现总结前言 滤波器在数据采集和分析中具有很多应用,它们通过减小或放大某些频率来改变时间信号的频率成分。 本文主要介绍在数字信号处理(DSP)中经常使用的两种基本的低通滤波器,有限脉冲响原创 2020-11-22 15:43:13 · 17042 阅读 · 1 评论 -
共空间模式算法(CSP)
文章目录前言一、BCI与EEG的基础概念二、CSP算法简介2.1 储备知识2.2 基本概念2.3 CSP算法python实例总结前言 共空间模式算法(CSP)广泛应用于脑机接口(BCI)中脑电信号(EEG)的特征提取,因此,在介绍CSP算法前,有必要对脑电接口,脑电信号等相关概念做个简述。一、BCI与EEG的基础概念BCI: 脑机接口(brain-computer interface, BCI),指在人或动物大脑与原创 2020-11-09 22:32:47 · 16670 阅读 · 3 评论