运动想象分类matlab代码介绍
用于MI-BCI分类的CNN-SAE程序。
（基于“用于脑电运动图像信号分类的新型深度学习方法”）
使用此程序时，请与rasmusbergpal的lisense一起使用。
CNN-SAE（MI-BCI）是用于对Motor
Imagery
EEG信号进行分类的matlab程序。
基于rasmusbergpal编程的CNN-SAE（MI-BCI）
基于。NET的该程序的理论。
此外，我们对其进行了一些更改以改善结果。
该程序的性能基于（单击此处以获取更多信息）。
为了提高性能，我们使用结合了时间，频率和位置信息的短时傅立叶变换（STFT）的输入形式来研究CNN。
分别采用基于带通（BP）特征和功率谱密度（PSD）特征的Fisher判别分析型F分数来选择主题最佳频带。
在实验中，分别将与运动图像脑电信号有关的典型频带，主题最优频带和扩展频带用作CNN的输入图像的频率范围。
可以在“
excel”文件的“
python”文件字典中找到CNN的结果。
python代码基于具有GPU加速的tensorflow
1.6进行编程。
Matlab代码与python代码类
