- 博客(12)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 连续脑电信号的微状态分析
连续脑电信号相比于ERP信号更符合现实刺激情况，成为一个时兴的研究领域。相比于成熟的ERP分析方法，连续脑电信号的分析方法尚在探索发展中。其中，微状态分析是一个备受关注的方法。鉴于本人在以往研究中的摸黑探索，本文希望从技术角度给出可靠的连续脑电信号的微状态分析方法的流程。本文使用Koenig团队的工具箱，详细介绍了流程的各个步骤。微状态分析方法是一个从时空域角度分析脑功能的方法。
2023-11-08 14:54:46
231
1
原创 自然情景范式下脑电与音乐特征的相关性分析：EEG张量分解，音乐特征提取MIRToolbox和topoplot脑地形图绘制与响应脑区
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录摘要一、介绍二、方法1.EEG信号滤波降噪2.张量分解消除眼电，肌电3. 音乐特征提取（包括帧数的计算）4. EEG信号频域分析（包括帧数的计算）5. EEG频域信号与音乐特征的相关分析：脑电张量成分的空间分布分量6. 脑地形图：响应脑区位置总结附录1. MIRToolbox和STFT帧数计算公式等效性证明2. 张量分解工具箱使用说明3. MIRToolbox说明摘要提示：简述本文主要内容：EEG信号滤波去噪；工具箱张量分解：
2021-11-29 21:13:23
1871
原创 统计学中的中英之差
统计学中中英表述的差别）1. 方差（variance）2. 显著水平（significance level）1. 方差（variance）中：方差，公式：英：variance，公式：由此引导的标准差（standard deviaton）也有差异。2. 显著水平（significance level）以单边的t分布曲线图为例：中：显著水平，指向图中的1-α，如95%；英：significance level，指向图中的α，如5%。...
2021-11-26 15:54:34
377
原创 简单理解：第一类错误，第二类错误，统计显著性，空假设和P值
目录第一类错误（Type I error）第二类错误（Type II error）统计显著性（ Statistical significance）空假设H0（Null hypothesis）P值（p value）参考第一类错误（Type I error）第一类错误，就是我们所说的假阳性结论（FP, False Positive）。例如，统计测试说路人甲有新冠，它很危险，但实际上它没有，只是发烧了，这就是一个FP。第二类错误（Type II error）第二类错误，就是我们所说的假阴性结论（FN, F
2021-11-24 20:39:27
8148
原创 试验数量对统计效应的影响：以EEG实验为例
试验数量对统计效应的影响1. 影响统计效应的三因素2. 正式的统计阐述3. 总结参考1. 影响统计效应的三因素影响统计功效的主要有三个因素：1）效应大小（size of effect）：效应幅度越大，试验数量的效应越明显；2）被试数量（number of subjects）：被试越多，试验数量的效应越明显；3）被试间的偏差量（amount variability across subjects）：被试间偏差可来源于两个方面：测量误差（measure error）和真实分数偏差（true score
2021-10-30 16:05:46
646
原创 MATLAB小技巧之——eval
eval + ‘’ 就是yyds这是matlab文件里的一个代码片段，充分展现了使用eval与单引号的灵活性。eval([pros{i} '=var.(s.name).' pros{i} ';']);其实现的功能是：通过单引号’'把字符串与数字连接，再通过eval函数使字符串变为一行代码。这对于有大量变量名的代码任务来说是十分友好的。优点：便于使用字符串和数字编号来进行数据读写如果经常需要字符串和数字编号来进行某个变量对象的数据读写，就可以直接使用单引号来连接不同字符串与数字，直接明了地把代码写
2021-09-23 16:50:26
740
原创 结构体数据类型在MATLAB向Python的转化
1、前言大概混合编程是每个编程者终将会面临的一个难题，其首先面临且必须解决的问题便是数据类型转换。每一个转换错误都将扼杀还是胎儿时期的混编代码。这里，仅将介绍MATLAB的结构体数据类型 ，转向Python的字典类型。2. 代码分析MATLAB的结构体是由一个个field-value对组成，这像极了Python的字典。但是！当你将其保存成.mat文件，然后由Python加载，你会发现，字典的键值对存储的是变量名-所有value（指上面的value）。这样的效果是不符合需要的。而且，这样直接加载，会造成
2020-08-04 18:19:28
1701
原创 小知识---MATLAB数组的动态增加end+
MATLAB是一种计算机的高级解释语言。我们学习C++时有一个动态数组的概念，可以实时增加行或列项，它以“new”来实现。MATLAB的动态数组则是在切片中使用“end+n”的形式实现，n是一个正整数。下面来看看两个实例：Exp1: a=[1,2;2,3]...
2020-07-18 16:07:06
4245
原创 轮廓特征！面积，周长！你真的了解你算的是啥吗？
面积和周长是轮廓的两大特征，可以很方便的由contourArea和arcLength函数求出。然而我们求出的到底是什么呢？简单的说就是，它们是用像素个数来表示的。我们先看面积是如何求的：我们假定一条闭合轮廓由N个顶点组成，已知的先验知识是特征运算将**顶点视为像素中心点**。如下图（来源于参考博客1），面积为各像素中轮廓所占比例之和。![轮廓的面积](https://img-blog.csdnimg.cn/20200518175403364.jpg?x-oss-process=image/waterm
2020-05-18 18:07:33
884
原创 Python：pyinstaller如何将一个项目的.py和相关资源文件打包生成.exe文件
前言相信大家找到为了找到一个可行方案已经寻寻觅觅良久，本文或许便是你要找的。Python生成.exe的方法有很多，本文仅介绍pyinstaller。解决思路是：.exe在执行时会生成一个临时文件夹，而我们需要做的就是把我们的资源文件放入临时文件夹，让程序访问。目录前言1.打包.exe文件方法简介2.二级目录三级目录1.打包.exe文件方法简介Python打包.exe的方法大致有四种：py2...
2020-03-25 17:07:18
3919
10
原创 安装paddlehub出现JSONDecodeError的解决方法
目录1.paddlehub介绍2.错误描述3.解决方法1.paddlehub介绍paddlehub是由百度的飞桨预训练模型管理和迁移学习工具，通过paddlehub开发者可以使用高质量的预训练模型结合Fine-tune API快速完成迁移学习到应用部署的全流程工作。其提供了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型。更多信息参...
2020-03-22 17:13:12
1284
6
转载 无显示屏树莓派4B连接笔记本
网上无显示屏连接笔记本的帖子很多，也试了很多才试出这个有效，现在分享给大家。转载链接，侵删。特别说明：用putty连接树莓派之后要输入vncserver指令，才能用VNC显示桌面。...
2019-11-01 16:36:24
2203
stable_windows_10_cmake_Release_x64_graphviz-install-2.47.2-win64.exe
2021-06-05
仿真调试与flash读取的scatter文件的不同在哪？
2020-06-26
TA创建的收藏夹 TA关注的收藏夹
TA关注的人