文件名称：EEG-Feature-Extraction-Toolbox:该工具箱为脑电图 (EEG) 应用提供了 30 种 EEG 特征提取方法（HA、HM、HC 等）
文件大小：16KB
文件格式：ZIP
更新时间：2024-06-17 23:57:51
machine-learning signal-processing eeg feature-extraction classification
Jx-EEGT：脑电图（EEG）特征提取工具箱 《迈向人才科学家：共享与学习》--- 介绍 此工具箱提供 30 种类型的 EEG 功能 A_Main文件显示了如何使用生成的样本信号应用特征提取方法。 输入 X : 信号 (1 x样本) opts : 参数设置（有些方法有参数：参考） 输出 feat ：特征向量（您可以使用其他名称，如f2等） 用法 采用主函数jfeeg进行特征提取。 您可以通过将'me'更改为来切换方法 如果你想提取平均能量（ ME ），那么你可以写 feat = jfeeg('me', X); 如果你想提取 hjorth 活动（ HA ），那么你可以写 feat = jfeeg('ha', X); 示例 1：提取 3 个正常特征（不带参数） % Generate a sample random signal X fs = 500; %
【文件预览】：
EEG-Feature-Extraction-Toolbox-main
----jHjorthComplexity.m(363B)
----jRenyiEntropy.m(428B)
----jNormalizedSecondDifference.m(261B)
----jMeanCurveLength.m(287B)
----jNormalizedFirstDifference.m(259B)
----jBandPowerBeta.m(250B)
----jMeanEnergy.m(203B)
----jMedian.m(208B)
----jKurtosis.m(73B)
----jLogEnergyEntropy.m(215B)
----jBandPowerGamma.m(251B)
----LICENSE(1KB)
----A_Main.m(1KB)
----jHjorthMobility.m(256B)
----jBandPowerAlpha.m(248B)
----jRatioBandPowerAlphaBeta.m(426B)
----jVariance.m(116B)
----jfeeg.m(1KB)
----jArithmeticMean.m(205B)
----jMaximum.m(203B)
----README.md(6KB)
----jStandardDeviation.m(130B)
----jMeanTeagerEnergy.m(300B)
----jTsallisEntropy.m(432B)
----jSecondDifference.m(227B)
----jBandPowerDelta.m(247B)
----jSkewness.m(62B)
----jBandPowerTheta.m(247B)
----jHjorthActivity.m(152B)
----jLogRootSumOfSequentialVariation.m(264B)
----jFirstDifference.m(225B)
----jShannonEntropy.m(311B)
----jMinimum.m(203B)
----jAutoRegressiveModel.m(327B)