2025年3月18日
星期二
|
欢迎来到营口市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
杨陈
作品数:
1
被引量:4
H指数:1
供职机构:
杭州电子科技大学自动化学院生物医学工程与仪器研究所
更多>>
发文基金:
浙江省科技厅新苗人才计划
更多>>
相关领域:
医药卫生
更多>>
合作作者
丁颖
杭州电子科技大学自动化学院生物...
杨文伟
杭州电子科技大学自动化学院生物...
杨勇
杭州电子科技大学自动化学院生物...
范影乐
杭州电子科技大学自动化学院生物...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
医药卫生
主题
1篇
动作电位
1篇
网络
1篇
小波
1篇
小波特征
1篇
高斯
1篇
高斯混合
1篇
贝叶斯
1篇
贝叶斯网
1篇
贝叶斯网络
机构
1篇
杭州电子科技...
作者
1篇
范影乐
1篇
杨勇
1篇
杨文伟
1篇
丁颖
1篇
杨陈
传媒
1篇
仪器仪表学报
年份
1篇
2011
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于小波特征与动态高斯混合模型的动作电位分类研究
被引量:4
2011年
提出了一种结合小波时频特征提取以及动态高斯混合模型模式分类的动作电位分类新算法,以实现植入式脑电研究中非同源动作电位的非监督聚类。在阈值法检测动作电位信号的基础上,采用sym5小波变换基函数提取各个动作电位的时频特征,以提高动作电位信号在高频突变阶段的时间分辨率;考虑到动作电位信号的非平稳特性,对时频特征序列进行了分帧处理,然后分别采用高斯混合模型和贝叶斯网络模型对帧内和帧间数据进行建模,从而实现了基于动态高斯混合模型的动作电位模式分类。实验结果表明,该方法的分类性能抗干扰性及可靠性较好,仿真数据的错分率基本稳定在8.44%以内,真实数据的分类结果能较大程度贴近人工分类的结果。
丁颖
范影乐
杨勇
杨文伟
杨陈
关键词:
高斯混合
贝叶斯网络
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张