Vor Ort
Merkzettel Warenkorb
  • Produktbild: EEG Signal Analysis and Classification
  • Produktbild: EEG Signal Analysis and Classification

EEG Signal Analysis and Classification Techniques and Applications

Aus der Reihe Health Information Science

134,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

10.01.2017

Abbildungen

XIII, 96 illus., schwarz-weiss Illustrationen

Verlag

Springer

Seitenzahl

256

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

576 g

Auflage

1st edition 2016

Sprache

Englisch

ISBN

978-3-319-47652-0

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

10.01.2017

Abbildungen

XIII, 96 illus., schwarz-weiss Illustrationen

Verlag

Springer

Seitenzahl

256

Maße (L/B/H)

24,1/16/2,1 cm

Gewicht

576 g

Auflage

1st edition 2016

Sprache

Englisch

ISBN

978-3-319-47652-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: EEG Signal Analysis and Classification
  • Produktbild: EEG Signal Analysis and Classification
  • Electroencephalogram (EEG) and its background.- Significance of EEG signals in medical and health research.- Objectives and structures of the book.- Random sampling in the detection of epileptic EEG signals.- A novel clustering technique for the detection of epileptic seizures.- A statistical framework for classifying epileptic seizure from multi-category EEG signals.- Injecting principal component analysis with the OA scheme in the epileptic EEG signal classification.- Cross-correlation aided logistic regression model for the identification of motor imagery EEG signals in BCI applications.- Modified CC-LR Algorithm for identification of MI based EEG signals.- Improving prospective performance in the MI recognition: LS-SVM with tuning hyper parameters.- Comparative study: Motor area EEG and All-channels EEG.- Optimum allocation aided Naive Bayes based learning process for the detection of MI tasks.- Summary discussions on the methods, future directions and conclusions.