全文获取类型
收费全文 | 53篇 |
免费 | 2篇 |
国内免费 | 4篇 |
专业分类
化学 | 1篇 |
综合类 | 1篇 |
数学 | 2篇 |
物理学 | 3篇 |
综合类 | 52篇 |
出版年
2024年 | 1篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 3篇 |
2017年 | 1篇 |
2016年 | 1篇 |
2015年 | 4篇 |
2014年 | 3篇 |
2013年 | 6篇 |
2012年 | 3篇 |
2011年 | 2篇 |
2010年 | 4篇 |
2009年 | 1篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 1篇 |
2005年 | 4篇 |
2003年 | 8篇 |
2001年 | 4篇 |
2000年 | 1篇 |
1996年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
排序方式: 共有59条查询结果,搜索用时 7 毫秒
1.
该文提出了一种基于lq范数和截断加权Schatten-p范数(LQTWSP)的非凸优化模型,旨在准确挖掘多通道脑电波信号中固有的同时稀疏和低秩属性,并选择了一种有效的迭代方案求解非凸优化模型.通过实验验证该文LQTWSP方法的性能.将LQTWSP与基于内点法的SCLR(SCLR-I)、基于交替方向乘子法的SCLR(SC... 相似文献
2.
3.
WANGWei NINGXinbao WANGJun ZHANGSheng CHENJie LILejia 《科学通报(英文版)》2003,48(16):1700-1703
Muitifractai characteristics of 16-channel human electroencephalogram (EEG) signals under eye-closed rest are analyzed for the first time. The result shows that the EEGs from the different sites on the scalp have different muitifractai characteristics and the muitifractai strength value △α exhibits a kind of interleaving and left-right opposite distribution on scalp. This distribution rule is consistent with the localization of function and the iateralization theory in physiology. So △α can become an effective parameter to describe the brain potential character. And such a △α stable distribution rule on sites of the scalp means a classic cerebral cortex active state. 相似文献
4.
5.
6.
使用Emotiv Epoc+脑电波采集头戴设备,对10位被测人员的上、下、左、右、眨眼2次和眨眼3次6种眼球扫视运动信号进行采集,每人每个动作采集5组数据,共获得300组实验数据.对14通道的信号进行带通滤波后,采用短时能量计算方法优选2个最敏感通道,然后对优选出的通道信号采用归一化极值方法进行特征提取,最后采用特征匹配法对信号进行识别.实验结果表明:水平方向眼动识别率达到99.9%,垂直方向眼动识别率达到97.3%,平均识别率达到98.6%. 相似文献
7.
8.
大脑会随着年龄的增加而出现功能衰退,通过决策实验获取年轻人和中老年人的脑电信号,可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法,并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明,脑电波功率谱熵(PSE)具有良好的时域分辨能力和更准确的区分效果,年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的,即年轻人所产生的脑电波信息量更大。此外,支持向量机(SVM)的分类效果优于随机森林(RF)方法,最高平均精度达88.02%,比随机森林高出2.66%。通过基尼指数对特征重要性排序,还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大,分类器更容易在这些特征区域做出更好的分类。 相似文献
9.
10.
从辅助临床诊断为出发点,对癫痫脑电波的数据进行分析,用统计模式识别的方法——共同空间模型,结合统计学习理论——支持向量机,对脑电波进行检测和分类,结果表明共同空间模型方法可以很好的区分正常和异常的脑电波.而且对于一些癫痫发作模式,能够找到发作之前的征兆脑电波,进行预测.最后,对该检测预测系统之优劣进行了讨论. 相似文献