Andere Kunden interessierten sich auch für
![Feature extraction and classification technique for chronic alcoholism]( "Feature extraction and classification technique for chronic alcoholism")
Feature extraction and classification technique for chronic alcoholism39,99 €![Transformation des processus de prévision des caractéristiques des investissements. Volume 2]( "Transformation des processus de prévision des caractéristiques des investissements. Volume 2")
Transformation des processus de prévision des caractéristiques des investissements. Volume 226,99 €![Réduction du nombre de capteurs EEG et détection des mouvements moteurs]( "Réduction du nombre de capteurs EEG et détection des mouvements moteurs")
Réduction du nombre de capteurs EEG et détection des mouvements moteurs29,99 €![Vérification hors ligne d'une signature manuscrite à l'aide de caractéristiques géométriques]( "Vérification hors ligne d'une signature manuscrite à l'aide de caractéristiques géométriques")
Vérification hors ligne d'une signature manuscrite à l'aide de caractéristiques géométriques36,99 €![Técnica de extração e classificação de caraterísticas para o alcoolismo crónico]( "Técnica de extração e classificação de caraterísticas para o alcoolismo crónico")
Técnica de extração e classificação de caraterísticas para o alcoolismo crónico36,99 €![Clasificación de palabras no pronunciadas presentes en EEG]( "Clasificación de palabras no pronunciadas presentes en EEG")
Clasificación de palabras no pronunciadas presentes en EEG29,99 €![Redução do número de sensores de EEG e detecção de movimento motor]( "Redução do número de sensores de EEG e detecção de movimento motor")
Redução do número de sensores de EEG e detecção de movimento motor29,99 €
Dans cette étude, l'ampleur et la distribution spatiale du spectre de fréquences dans l'électroencéphalogramme (EEG) au repos ont été examinées pour étudier l'effet de l'alcoolisme sur la région du cortex moteur. Les signaux EEG de sujets alcooliques chroniques ont été acquis dans la région du cortex moteur et la transformation de Hilbert Huang a été appliquée pour l'extraction des caractéristiques des signaux EEG. Les signaux EEG ont été divisés en cinq sous-bandes de fréquence. Il a été observé que les caractéristiques extraites contenaient de grandes dimensions de données, elles ont donc été réduites à l'aide de l'analyse discriminante linéaire. La machine à vecteurs de support a été utilisée pour la classification des alcooliques dans la présente étude. Une précision de classification maximale (>75%) a été obtenue avec les caractéristiques spectrales EEG du coefficient spectral maximal, dans les canaux C3 et Cz avec la combinaison des bandes bêta-1 et bêta-2. Mais une précision de classification plus ou moins élevée dans la plupart des canaux a été calculée avec les caractéristiques EEG de la puissance moyenne de la bande. L'entropie approximative, une caractéristique non linéaire, a également été considérée comme un paramètre de déscrimination pour les alcooliques dans l'étude. Amplitude instantanée et fréquence instantanée obtenues à partir des spectres de Hilbert