红叶幽香的博客

心率变异性（HRV）是通过量化窦性心律变异性来评估心脏的自主神经调节功能。窦性心律时间序列是从心电图（ECG）的QRS至QRS（RR）间隔序列中得出的，方法是提取正常窦至正常窦（NN）的心跳间隔。窦性心律中相对较高的频率变化反映了副交感神经（迷走神经）调节，而较慢的变化反映了副交感神经和交感神经调节以及非自主性因素。通常医学上会用5分钟，24小时心电数据来计算HRV。

历史溯源欧拉公式傅里叶级数(FS)傅里叶变换(FT)离散傅里叶级数(DFS)离散时间傅里叶变换(DTFT)离散傅里叶变换(DFT)快速傅里叶变换(FFT)MATLAB中常用的FFT工具FFT中常见的问题(频率混叠，频谱泄露，栅栏效应，旁瓣效应)

Github代码地址：https://github.com/hzzhangqf0558/SPO2_HR- PPG信号简介脉搏波是心脏的搏动（振动）沿动脉血管和血流向外周传播而形成的。心脏是一个持续不断的振源， 心室收缩时，血液快速射入主动脉致其基部压力骤增而膨胀；心室暂未射血时，主动脉基部压力下降， 管壁弹性回缩，则恢复至原来位置。如此，主动脉管壁就因心室的舒缩而有节律地受迫振动。这种振动 能沿弹性血管向末梢传播而形成脉搏波（横波）。在传播过程中，必然要受到血管壁弹性、血管周围 阻力、血液黏度等因素的

用于心电疾病诊断的深度学习模型库github: https://github.com/hzzhangqf0558/ECG_NetsBaseline model collection of deep learning applied into ECGs. Those baseline models include 1D-ResNet, 1D-DenseNet, 1D-SE_ResNet, 1D-ResNext,1D-SE_ResNetV2, 1D-SE_ResNext and 1D-Top1Net(the

Faster RCNN 训练 一直停留在epoch 1/2000https://github.com/you359/Keras-FasterRCNN 代码 一直停留在epoch 1/2000解决方法： 1. 版本keras == 2.1.62. train_frcnn.py 125行 把 trainval 改成 train

小波变换是一种信号的时间——尺度（时间——频率）分析方法，它具有多分辨分析的特点，而且在时频两域都具有表征信号局部特征的能力，。在小波分析中经常用到近似和细节，近似表示信号的高尺度，即低频信息；细节表示信号的低尺度，即高频信息。对含有噪声的信号，噪声分量的主要能量集中在小波解的细节分量中。在以上过程中，小波基和分解层数的选择，阈值的选取规则，和阈值函数的设计，都是影响最终去噪效果的关键因素。

机器学习中的过拟合问题及解决方法1过拟合问题我们都知道，在进行数据挖掘或者机器学习模型建立的时候，假设数据满足独立同分布（i.i.d，independently and identically distributed），即当前已产生的数据可以对未来的数据进行推测与模拟，因此都是使用历史数据建立模型，即使用已经产生的数据去训练，然后使用该模型去拟合未来的数据。但是一般独立同分布的假设往往不成立，即数据

SymPy是一个象征性的操作方案，纯Python写的。其目的是要成为一个全功能的Python代数计算库，同时保持为代码尽可能简单，以便理解和容易扩展。，其功能包括基本的算术，基本简化，一系列扩大，功能（exp, ln, sin, cos, tan, 等），分化，微分、积分，求解微分方程等一系列符号表达式运行。类似MATLAB的符号运算 。安装sympypip安装： pip install sym

把Edit的Max和Min属性修改，令Max-Min>2（其实Max表示最多多少行，Min表示最少多少行）。然后set字符串的时候，用数字”10”作换行符（因为换行符的ASCII码是10）。代码如下:% code str1 = [‘第一行’, 10]; str2 = [‘第二行’, 10]; str3 = [‘第三行’,

package com.helo.datReader;import java.nio.charset.Charset;public class ByteUtil { public static byte[] getBytes(short data) { byte[] bytes = new byte[2]; bytes[0] = (

不同控件之间的传值，可以使用global（全局变量）定义变量，也可以使用handles结构体进行使用，比如：你在按钮1中得到了一个X值，要在按钮2中调用，你可以这样子： pushbutton1_Callback 函数 x=get(handles.edit1,’String’); handles.x=x;%把x放在handles结构体中，即可在不同控件中使用 guidata(hObject,h

神经网络是目前应用最广泛的神经网络模型之一，常用于模式识别，回归预测等。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。