Advertisement

该数据集采用BCIcomp2008运动想象四分类的.mat文件格式。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
我们已成功地完成了官方.gdf格式文件的转换,并将其转换为更为常用的.mat格式。该资源与一篇相关的博文链接关联,具体链接为https://blog..net/qq_40166660/article/details/111248266。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • BCI Competition 2008 .mat
    优质
    该数据集为BCI Competition 2008中运动想象四分类任务提供实验材料,包含.mat格式文件,记录了参与者的脑电波信号,用于识别四种不同类型的意念运动。 已经将官方的.gdf格式转换为.mat格式。此资源对应一篇博文。
  • EEG2008竞赛2A
    优质
    EEG2008竞赛2A数据集包含用于运动想象任务的脑电图信号,旨在通过四个类别的意念运动(放松、握拳、伸展和脚动)进行分类。 EEG2008竞赛2A数据集(运动想象四分类)包含针对四种不同类型的运动想象任务的脑电图记录。这个数据集用于研究如何通过分析大脑活动来预测人的意图或动作计划,具体涉及手部、脚部和左右侧身体的动作想象。
  • VHDR脑电图(EEG)下载
    优质
    这是一个提供VHDR格式运动想象脑电图(EEG)数据集的资源页面,方便研究人员和学生下载用于相关研究与学习。 该数据集包含运动意象脑电图 (EEG) 数据,这些数据由匈牙利科学院自然科学研究中心(TTK)记录。在9名自愿健康受试者的参与下,总共进行了25项实验。 对于EEG数据的采集,遵循10-20国际标准,并使用64通道ActiChamp放大器系统(Brain Products GmbH, Gilching, 德国)与actiCAP EEG帽配合使用。POz作为参考电极,因此有63个电极可以用于数据记录。在实验准备过程中测量了脑电图电极的阻抗并保持其低于30kΩ,并将这些值保存于相应的文件中。 受试者坐在一台20英寸宽屏液晶显示器前进行观看,屏幕距离约为70-130厘米。我们使用配备法拉第笼屏蔽的房间作为实验地点,同时也利用了没有电屏蔽的普通房间。通过采用非屏蔽的标准房间环境,我们的目标是模拟Cybathlon比赛中的条件。 原始脑电图信号由BrainVision Recorder程序(版本:1.22.0001)记录,并未使用额外的软件或硬件滤波器进行处理。
  • 高光谱(.mat )压缩包
    优质
    本压缩包包含多个常用高光谱图像分类数据集,格式为.mat文件,便于直接在Matlab等软件中加载使用,适用于科研与教学。 常用高光谱分类数据集包括Indian Pines、KSC、Purdue、DC、HOUSTON、Botswana和Salinas等,这些数据集在撰写论文时通常足够使用,并且是公开的;使用方法为格式全部为mat文件,在Python和Matlab上均可使用;建议尝试不同传感器的数据集以验证分类方法的有效性。
  • MINSTmat.7z
    优质
    本资源包含MINST数据集的MATLAB矩阵(.mat)格式文件,已压缩为.7z文件便于下载和存储。内含手写数字图像及其标签,适用于机器学习训练与测试。 MNIST手写数字图像数据库包含60000个训练集样本和10000个测试集样本,所有图片均为灰度图且大小统一为28*28像素。具体文件如下: - train_images.mat:包含60000张训练集图片 - train_labels.mat:对应于训练集中每一张图像的标签信息 - test_images.mat:包含10000张测试集图片 - test_labels.mat:对应于测试集中每一张图像的标签信息
  • BCI Competition 2002
    优质
    BCI Competition 2002运动想象数据集是由多国研究人员提供的脑机接口研究数据,包含用户进行左手或右手等意象任务时采集的EEG信号。 已经包含了测试集的标签。
  • Matlab中MNISTMAT
    优质
    本资源提供了一个MATLAB兼容的MAT格式文件,内含经典的MNIST手写数字数据库,便于用户进行模式识别和机器学习研究。 Mnist数据集在Matlab版本中可以直接读入,每个样本的大小为784,并且标签对应0到9之间的数字。建议使用one-hot编码来处理数据。
  • 基于LSTMJapaneseVowels(.mat训练
    优质
    本项目采用长短期记忆网络(LSTM)对Japanese Vowels声学数据进行分类训练,旨在优化.mat格式文件的数据处理与模型性能。 在MATLAB中可以使用LSTM进行分类练习。
  • MATUCI
    优质
    该MAT格式的数据集包含多个来自UCI机器学习库的经典数据集,适用于学术研究与教学。这些文件便于使用Matlab或Octave进行数据分析和模型构建。 常见的UCI数据集通常以mat格式提供,可以直接在MATLAB中使用。
  • .matUCI
    优质
    本数据集为.mat格式文件,包含UCI(加州大学欧文分校)提供的各类机器学习和数据分析资源。适合进行算法测试与模型训练。 UCI数据集以.mat格式提供,可以直接加载使用。