Advertisement

Morlet小波的MATLAB代码及MouseMotionMapper:半监督鼠标行为分类的MATLAB工具

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


简介:
本项目包含基于Morlet小波变换的MATLAB实现代码以及MouseMotionMapper——一种用于分析和分类用户鼠标运动行为的半监督学习工具箱,旨在提供信号处理与行为识别的研究资源。 Morlet小波的MATLAB代码用于分析开放域行为的小鼠自闭症模型中的深层行为特征。 Ugne Klibaite、Mikhail Kislin、Jessica L. Verpeut、Sun Xiaoting Sun、Joshua W. Shaevitz和Samuel S.-H. Wang在bioRxiv 2021年2月16日发表的手稿中提供了该存储库,其中包含上述研究的分析代码。 MouseMotionMapper是一个独特的半监督行为分类及标签流程框架。此框架运用深度神经网络、PCA(主成分分析)、Morlet小波变换、t-SNE和k-Means聚类技术来定义不同的行为类别。通过最新的身体部位跟踪进展,该系统能够捕捉到老鼠的姿势变化。 在此基础上,我们对MouseMotionMapper进行了改进,使其适用于基于身体部位位置的时间序列数据的行为分类。 每个行为类别都有样本片段生成为电影: - 空闲 - 修整 - 慢速探索 - 快速探索 - 后部活动 - 攀登 - 平缓行走(AMBLE) - 步行(STEP) - 转身(TURN) - 前进(机车) 该存储库包括以下功能和方法: 1. 本地及集群的跟踪与对齐代码; 2. 包含2个和18个身体部位的LEAP模型; 3. 聚类嵌入编码; 4. 训练数据集以及主成分系数; 5. 指纹编码以识别行为模式; 6. 用于将新数据映射到行为空间的代码; 7. 分析图形生成工具。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • MorletMATLABMouseMotionMapperMATLAB
    优质
    本项目包含基于Morlet小波变换的MATLAB实现代码以及MouseMotionMapper——一种用于分析和分类用户鼠标运动行为的半监督学习工具箱,旨在提供信号处理与行为识别的研究资源。 Morlet小波的MATLAB代码用于分析开放域行为的小鼠自闭症模型中的深层行为特征。 Ugne Klibaite、Mikhail Kislin、Jessica L. Verpeut、Sun Xiaoting Sun、Joshua W. Shaevitz和Samuel S.-H. Wang在bioRxiv 2021年2月16日发表的手稿中提供了该存储库,其中包含上述研究的分析代码。 MouseMotionMapper是一个独特的半监督行为分类及标签流程框架。此框架运用深度神经网络、PCA(主成分分析)、Morlet小波变换、t-SNE和k-Means聚类技术来定义不同的行为类别。通过最新的身体部位跟踪进展,该系统能够捕捉到老鼠的姿势变化。 在此基础上,我们对MouseMotionMapper进行了改进,使其适用于基于身体部位位置的时间序列数据的行为分类。 每个行为类别都有样本片段生成为电影: - 空闲 - 修整 - 慢速探索 - 快速探索 - 后部活动 - 攀登 - 平缓行走(AMBLE) - 步行(STEP) - 转身(TURN) - 前进(机车) 该存储库包括以下功能和方法: 1. 本地及集群的跟踪与对齐代码; 2. 包含2个和18个身体部位的LEAP模型; 3. 聚类嵌入编码; 4. 训练数据集以及主成分系数; 5. 指纹编码以识别行为模式; 6. 用于将新数据映射到行为空间的代码; 7. 分析图形生成工具。
  • MorletMatlab
    优质
    本项目提供了实现Morlet小波变换的MATLAB代码,适用于信号处理与分析领域。包括连续和离散形式的小波变换函数,便于用户深入研究时频分析。 关于Morlet小波的一个MATLAB代码,并附有注释,仅供参考。
  • 算法与测试数据集_聚Matlab_
    优质
    本研究探讨了在有限标注条件下利用半监督学习方法进行数据聚类的问题,并采用MATLAB作为实验工具。主要关注于优化测试数据集的应用效果,以提高模型的准确性和鲁棒性。 一种基于最小类间距的半监督聚类算法,包括了详细的注释和测试数据集。
  • 算法
    优质
    本项目提供多种半监督分类算法的实现源代码,旨在帮助研究人员和工程师利用有限标注数据进行高效机器学习模型训练。 半监督MATLAB代码——经过调试——可用。
  • 基于算法Matlab源程序
    优质
    本段代码实现了一种基于半监督学习策略的高效分类算法,并以MATLAB语言编写。该算法利用少量标注数据和大量未标注数据提升模型性能,在多种应用场景中表现出色。 这段文字描述了关于Matlab代码程序的内容,包括训练集与测试集的代码,并提到了优化半监督SVM和朴素贝叶斯等相关主题。
  • 算法MATLAB应用_semi-supervised_algorithm_matlabRAR
    优质
    本资源提供了一系列用于实现半监督学习算法的MATLAB代码,涵盖多种技术及其应用场景,并以RAR格式打包。适合研究与开发使用。 半监督分类算法提供了一些实例供学习使用。
  • MATLABMorlet析程序
    优质
    本程序利用MATLAB实现Morlet小波变换,适用于信号处理和时间序列分析。通过调整参数可深入探究数据的多尺度特征与频谱特性。 morlet小波分析的Matlab程序可用于气象数据的统计与分析。
  • MATLAB M文件中Morlet
    优质
    本文档探讨了在MATLAB环境中使用M文件进行Morlet小波变换的方法与应用,深入讲解了信号处理和时间序列数据分析技术。 数据经过标准差化处理,并进行了对称延长。此外还采用了小波分析方法,并将所有数据存盘保存,确保了各项操作的完备性。
  • 朴素贝叶斯器(semi_nb)- MATLAB实现
    优质
    semi_nb是一款基于MATLAB开发的半监督学习工具包,采用朴素贝叶斯算法框架,适用于数据标签不足场景下的分类任务。 半监督朴素贝叶斯分类器使用半标记数据进行训练,并通过输入部分已知标签的数据来提高模型性能。测试过程中处理未标记的数据,同时利用均值和标准差更新迭代次数c以及设定收敛标准来进行优化。