开始对EEG数据进行训练

最新推荐文章于 2025-07-02 16:32:35 发布
原创 最新推荐文章于 2025-07-02 16:32:35 发布 · 8.9k 阅读 · 22 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#LIBSVM #desktop #optimization #预测 #数据

这篇博客记录了使用libsvm对EEG数据进行预处理、训练和测试的过程。作者通过抽样将数据分为训练集和测试集，并使用svm-scale进行归一化。在不同比例的样本划分下，利用easy.py和svm-train进行模型训练，并通过svm-predict测试模型准确性。结果显示，手动调整参数能够获得更高的准确率，强调了参数调优和避免过拟合的重要性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

可能会随时更新，，，

第一个实验（desktop computer）
将2224个ep和normal总样本进行归一化：
D:\Program Files\MATLAB\R2013a\toolbox\libsvm-3.20\windows>svm-scale.exe epnorma
llibsvm.svm > epnormallibsvm.scale
WARNING: original #nonzeros 2127904
         new      #nonzeros 6671908
Use -l 0 if many original feature values are zeros

对2224个总样本抽样（按约8:2的比例分为训练集和测试集）：
D:\Program Files\MATLAB\R2013a\toolbox\libsvm-3.20\tools>python subset.py epnorm
allibsvm.scale 1770 epnormallibsvm.train epnormallibsvm.test

使用最easy的方式跑第一次svm，即使用easy.py工具（需要安装gnuplot软件）：
D:\Program Files\MATLAB\R2013a\toolbox\libsvm-3.20\tools>python easy.py epnormal
libsvm.train epnormallibsvm.test
Scaling training data...
WARNING: original #nonzeros 5309923
         new      #nonzeros 5309939
Use -l 0 if many original feature values are zeros
Cross validation...
艾玛，机子卡了，，，


the second  day...

D:\Program Files\MATLAB\R2013a\toolbox\libsvm-3.20\windows>svm-predict.exe epnor
mallibsvm.test.scale epnormallibsvm.train.model epnormalresult1.txt
Accuracy = 97.7974% (444/454) (classification)

最低0.47元/天 解锁文章

200万优质内容无限畅学
自己采集的eeg数据（需处理）
01-17
自己采集的eeg数据需要用eeglab进行处理去伪迹。需要降维
EEG处理GUI.rar
09-16
本资源带有源码和说明书。EEG&ERP;数据分析处理软件是针对脑电数据(EEG)和事件相关电位(ERP)数据的处理分析程序。本系统是采用MATLABR2016B编写的同时调用了部分EEGLAB的函数。可实现对数据的读取，查看电极优选及预处理和分析。也是一个GUI开发实例。
EEG处理方法
weixin_43595061的博客
06-06 1466
2 高阶谱分析 高阶谱分析是对功率谱的推广，是脑电分析一种常用的方法。一个平稳随机信号的高阶谱是其高阶累积量的傅里叶变换。令{Z（n）}为平稳随机信号，q阶谱是q阶积累量的（q-1）维傅里叶变换，高阶谱计算随阶数的增加越来越复杂深入，故一般双谱使用频率较高一些。特殊的，当高阶谱的阶数为三时称为双谱，双谱分析方法能深层次挖掘出常规脑电图无法显示的隐含信息，高阶谱在参数估计问题、信号检测中能够自动抑制高斯噪声，用重新构成信号的相位和幅度，检测时间序列的非线性结果。 3 非线性分析 随着科学技术的腾飞发展，非线性
eeg数据
最新发布
qq_30190551的博客
07-02 334
认识eeg数据
EEG代码实践：SEED数据集解读与批量读取
SashiMoore的博客
08-11 7648
SJTU 情感脑电数据集（SEED）是由BCMI实验室提供的EEG数据集的集合
脑电EEG代码开源分享 【6.分类模型-机器学习篇】
weixin_44425788的博客
09-28 5905
分类模型-机器学习篇主要介绍了基础的机器学习算法，使用matlab 自带的分类器函数分类。为了方便同学的分类器尝试，列出了常用的 6种分类器，并且附带了简单的融合分类模型。 7种分类器各有优势，对相同的特征的分类性能也有差异，建议大家广泛尝试，总结形成自己应用分类器经验。 准确的分类、识别、决策、判断，自古以来就是现实中要面对的难题，神经网络的火热离不开猫狗分类的ImageNet。 通过脑电信号反推刺激类别、预测脑响应模式，此类大脑解码问题，不仅有助于脑机接口（BCI）应用，还会辅助机制分析，脑活动建模。
英国埃塞克斯大学的脑电EEG数据集
11-21
英国埃塞克斯大学的脑电EEG数据集 （数据集中文件为 .npy 文件） 数据集包含12名健康受试者，年龄从 24 岁到 50 岁不等（58% 为女性，50% 未接受过 BCI） 用于训练和测试的模式数量为 178 个，每个模式包含 3600 个...
EEG.rar_EDF读取_EEG EDF_EEG脑电edf文件_癫痫数据_脑电波edf文件
07-15
总的来说，从EDF文件读取EEG数据并进行分析涉及多个步骤，包括数据导入、预处理、特征提取和模型构建。这个过程需要对神经生理学、信号处理和数据分析有深入的理解，以便有效地从数据中挖掘有价值的信息。通过不断的...
matlab提取文件要素代码-entrainment:使用MATLAB/EEGLAB从EEG数据进行神经训练。移至github.com/rye
05-21
我把它们放在这里是希望对其他对分析脑电数据感兴趣的人有用。 它们可以用作其他分析或灵感的模板。 许多脚本可以在该项目之外使用（请参阅本节）。 analysis文件夹是用于（主要用于预处理）包装程序脚本和用于通过...
Matlab_这个例子展示了如何从头开始构建和训练卷积神经网络CNN，以使用EEG数据集执行分类任务.zip
01-06
本资源包提供了一个实用的示例，详细指导用户如何利用Matlab这一强大的计算工具从零开始构建和训练卷积神经网络（CNN），以便对EEG数据进行分类处理。 首先，CNN是一种深度学习模型，特别擅长从图像和序列数据中...
超详细TMS-EEG数据处理教程（上）
u011661076的博客
11-10 4536
文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。 本教程示例了被试收缩或放松对侧手时，如何处理对初级运动皮层（M1）进行经颅磁刺激（TMS）的脑电图（EEG）。去除TMS伪影最好的办法是要先进行预处理。当TMS伪影去除步骤完成后，就可以继续进行EEG分析了。在本教程中，所要解决的研究问题是手部的预收缩是否会影响脑电图中的TMS诱发电位(TEP)。 EEG信号分析需要干净的数据。但这并不简单，因为同时应用TMS和EEG的难点是TMS线圈电磁场会产生较大的伪影。所以在联合TMS-EEG实验中，.
EEG signal processing 脑电信号处理方法算法
04-27
EEG signal processing 脑电信号处理方法算法 总结
Kaggle-EEG：使用机器学习从EEG数据中预测癫痫发作。 KaggleUni墨尔本癫痫发作预测比赛第三名
02-04
Kaggle-EEG：使用机器学习从EEG数据中预测癫痫发作。 KaggleUni墨尔本癫痫发作预测比赛第三名
EEG脑电数据
04-01
5类癫痫脑电数据，脑电数据是印度学家Varun Bajaj和Ram Bilas Pachori对正常人和癫痫病患者测试的数据。脑电信号数据由五个子集组成，分别为Z，O，N，F，S，每个脑电子集包含100个信道序列，每个信道持续时间为23.6秒,信号采样点是4097个数据点。
EEG-电机图像分类-CNNs-TensorFlow：基于TensorFlow的卷积神经网络（CNN）进行EEG运动图像任务分类（按通道）
02-04
通过卷积神经网络（CNN）进行的EEG运动图像信号（任务）分类 作者：贾树跃，东北电力大学。 日期：2018年12月 下载论文 注意：本文中的方法是EEG源成像（ESI）+ Morlet小波联合时频分析（JTFA）+卷积神经网络（CNN）。 原始数据已使用Matlab Toolkit 。 我的工作是在ESI + JTFA过程之后，使用CNN对EEG数据进行分类。 通过ESI + JTFA流程预处理的数据集（.mat文件）可以通过。 可以从下载相应的预处理.Excel文件。 同时，该存储库中的代码基于原始EEG数据，无需ESI和JTFA流程，也可以取得良好的效果。 两个工作的“ MI_Pro
matlab匹配滤波代码-eegtools-matlab-pipeline:使用EEGLAB和BRAINSTORM用matlab编写的完整EE
05-24
matlab匹配滤波代码电动工具 使用EEGLAB和BRAINSTORM用matlab编写的完整的EEG分析（ERP，ERSP，源）管道 描述 EEGTools是由位于意大利热那亚的意大利理工学院（IIT）的机器人，脑与认知科学（RBCS）部门开发的。 它由目前在U-VIP（）部门工作的PostDoc研究人员Alberto Inuggi和Claudio Campus共同开发。 它是大量的matlab脚本集，可以在传感器和源级别上对脑电图（EEG）信号进行完整的分析。 它依靠EEGLab（），Brainstorm（）和FieldTrip（原语）来执行所有分析步骤。 为什么使用它 每个分析框架都有一个学习曲线，必须与它提供给用户的优势相匹配。 eegtools提供了几个功能（请参阅下一段），其中大多数可以在许多其他软件包中找到。 它的唯一性是可以对一个庞大而复杂的EEG项目的所有特征建模并执行自动分析。 所有分析步骤（但用于去除伪影）可以以批处理方式执行（编码，开始，回家并查找第二天早晨处理的所有内容）。 创建干净的连续文件后，您可以将从展开到分组统计，绘图和结果导出的所有步骤串联起来。
数据分析实战＜一＞脑电(EEG)分析
fuzekun的博客
10-12 7449
脑电EEG
手把手教你EEG脑电数据预处理-操作篇
热门推荐
脑机接口社区
05-19 3万+
目录导入数据对数据进行初步认识电极定位移除无用电极重参考重采样滤波分段和基线校正插值坏导ICA剔除ICA成分剔除坏段目视检查法保存数据 本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：941473018 感谢简书ID:亚内士多德 授权分享 EEG脑电数据预处理-操作篇 关于EEG数据预处理的原理，前面已经介绍过了，大家可以查看《手把手教你EEG脑电数据预处理-原理篇》。下面是亚内士多德分享的操作篇。 导入数据 选择要导入的数据格式 接下来会弹
EEG脑电信号常用处理方法
weixin_43361652的博客
01-18 2万+
一. 关于脑电信号 今年中旬，在马斯克召开的发布会，其名下Neuralink 的脑机接口植入技术引发热议，脑-机接口（brain-computer interface, BCI）技术也成为了当前信息交互的研究热点，意念控制似乎离我们不再遥远，而脑电信号（electroencephalography， EEG）由于易操作性，安全性等特点，受到了科研工作者的广泛关注，如何准确得利用脑电信号来实现操控，...
CNN对eeg数据处理具体代码
09-25
CNN在处理EEG( Electroencephalogram, 脑电图)数据时主要用于特征提取和分类任务。在CHB-MIT波士顿儿童医院癫痫EEG脑电...对于更深入的实现，你需要查阅具体的CHB-MIT波士顿儿童医院癫痫EEG数据处理教程或研究论文。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值