Advertisement

ISR-Dataset-C-VEP-EEG 数据集

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

简介：
ISR-Dataset-C-VEP-EEG 是一个专注于视觉诱发电位（VEP）的研究数据集，包含大量用于脑电图（EEG）信号分析与处理的高质量记录。 ISR数据集C-VEP脑电图为该论文创建的C-VEP EEG数据集提供了支持。源代码包括加载.mat文件以及在C-VEP时间段中分割会话数据所需的功能，这些功能位于包含多个.m文件的文件夹内。来自ISR数据集中的C-VEP EEG的数据存储于含有预处理后的C-VEP EEG数据数组的.mat文件中，并可在相应的文件夹找到。 根据论文参考文献改编的基准C-VEP数据集的相关信息同样保存在指定文件夹内。对于脚本，我们推荐使用Matlab r2020a版本。每个数据集文件夹包含多个名为Tx.mat的.mat文件，这些文件中的每一个都包含了格式为4D（通道、时间、用户和块）的数据数组。 所有记录的数据均以每秒256次采样的频率进行采集，并且会根据论文中所用范例按时间段分割。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • ISR-Dataset-C-VEP-EEG 数据集
    优质
    ISR-Dataset-C-VEP-EEG 是一个专注于视觉诱发电位（VEP）的研究数据集，包含大量用于脑电图（EEG）信号分析与处理的高质量记录。 ISR数据集C-VEP脑电图为该论文创建的C-VEP EEG数据集提供了支持。源代码包括加载.mat文件以及在C-VEP时间段中分割会话数据所需的功能，这些功能位于包含多个.m文件的文件夹内。来自ISR数据集中的C-VEP EEG的数据存储于含有预处理后的C-VEP EEG数据数组的.mat文件中，并可在相应的文件夹找到。 根据论文参考文献改编的基准C-VEP数据集的相关信息同样保存在指定文件夹内。对于脚本，我们推荐使用Matlab r2020a版本。每个数据集文件夹包含多个名为Tx.mat的.mat文件，这些文件中的每一个都包含了格式为4D（通道、时间、用户和块）的数据数组。 所有记录的数据均以每秒256次采样的频率进行采集，并且会根据论文中所用范例按时间段分割。
     
  • KNN数据集- dataset
    优质
    本数据集为K近邻算法（KNN）设计，包含多维度特征向量及对应分类标签，适用于模式识别与机器学习研究。 KNN算法在处理海伦的约会数据集时非常有效。通过分析这些数据，可以预测一个人是否适合与海伦约会。该方法基于已知的数据点来确定新样本所属类别或预测数值，适用于分类和回归问题。在这个特定的应用场景中，我们利用了邻居之间的相似性来进行模式识别，并据此做出决策。
     
  • 眼睛数据集 - Eye Dataset 数据集
    优质
    《眼睛数据集》是一套专为眼部图像分析设计的数据集合，包含多种眼部状况的图片及标注信息，旨在促进眼疾早期检测与诊断的研究。 该数据集包含2423个对象，其中直接从互联网收集了1192个双眼睁开的对象，并且从“野生标签脸”（LFW）数据库中选择了1231个双眼睁开的对象。数据集文件名为Eye Dataset_datasets..txt和Eye Dataset_datasets..zip。
     
  • 海啸数据集 - Tsunami Dataset 数据集
    优质
    海啸数据集提供有关海啸事件的历史记录、地理信息及模拟数据，旨在支持灾害预防与研究。该数据库包括波高、浪涌速度等关键参数。 该数据集也称为全球历史海啸数据库，包含从公元前2100年到至今的约2400个海啸的历史记录及相关信息，涵盖了大西洋、印度洋、太平洋以及地中海和加勒比海区域的数据。
     
  • UCID 数据集 - UCID Dataset
    优质
    简介：UCID数据集是一个专为纹理图像检索设计的数据库，包含多种具有挑战性的自然和人工纹理样本，广泛应用于计算机视觉领域。 1338张TIFF格式的图片。
     
  • 天池数据集- dataset
    优质
    天池数据集是由阿里云天池平台提供的广泛且多样的数据集合，涵盖机器学习、深度学习及大数据分析等众多领域，旨在促进全球开发者和研究人员的数据创新与技术交流。 天池实验室 11.jpg 这段文字已经没有任何需要删除的联系信息或链接了，因此无需进行改动。如果描述中有其他具体内容希望被改写或者有特定角度的需求，请告知具体要求。
     
  • Iris数据集（Iris Dataset）
    优质
    Iris数据集是由统计学家Ronald Fisher在1936年提出的用于分类的经典数据集，包含150个不同 iris 花的测量值样本。 知识领域：数据科学、机器学习、数据分析技术 关键词：数据集、分类、特征、花卉分类、机器学习算法 内容摘要： Iris 数据集是一个经典的用于分类问题的数据集，常被用来展示和验证机器学习算法的性能。该数据集包含了三种不同类型的鸢尾花的测量数据，共计150个样本，每种类型各有50个样本。每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。 本资源提供了Iris 数据集，并附带了数据预处理、特征工程、分类算法及数据可视化的示例代码，帮助用户更好地理解和应用该数据集。适用人群包括但不限于： - 数据科学学习者 - 机器学习初学者 - 数据分析师 使用场景和目标： 1. 学习数据预处理与特征工程技术。 2. 掌握如何利用机器学习算法进行分类任务。 3. 验证并比较不同分类算法的性能表现。 4. 在实际数据分析项目中应用数据集。
     
  • BIT Vehicle Dataset 数据集
    优质
    BIT Vehicle Dataset数据集是由北京理工大学研究团队开发的一套用于车辆检测与分类的图像数据集，包含多种复杂场景下的车辆图片，旨在促进智能交通系统的发展。 BIT-Vehicle-Dataset 数据集包含9850张图片及相应的转换好的xml标签和mat文件。数据可通过百度网盘下载，压缩包大小为2.48G。