Отрывок: 73% SVM 73% 76% 75% Нейронная сеть 76% 75% 75% Таблица 3 – Результаты работы метода спектрального анализа на основе доминирующих частот Заболевание Метод Специфичность Чувствительность Точность Шизофрения LDA 82% 43% 63% SVM 80% 46% 63% Нейронная сеть 76% 54% 65% Депрессия LDA 58% 90% 74% SVM 63% 92% 76% Нейронная сеть 62% 92% 77% Анализируя результаты, представленные в таблицах 2 и 3, стоит отметить более высокую точность работы метода при классификации депрессивных состоя...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Здорнов М. Ю. | ru |
dc.contributor.author | Храмов А. Г. | ru |
dc.contributor.author | Суханов С. В. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | электроэнцефалограмма (ЭЭГ) | ru |
dc.coverage.spatial | шизофрения | ru |
dc.coverage.spatial | цифровая электроэнцефалограмма | ru |
dc.coverage.spatial | обработка сигналов | ru |
dc.coverage.spatial | психические заболевания | ru |
dc.coverage.spatial | дискриминантный анализ | ru |
dc.coverage.spatial | депрессия | ru |
dc.coverage.spatial | кросс-валидация данных | ru |
dc.coverage.spatial | корреляция Пирсона | ru |
dc.coverage.spatial | ритмы ЭЭГ | ru |
dc.coverage.spatial | искусственные нейронные сети | ru |
dc.coverage.spatial | выборочная энтропия | ru |
dc.coverage.spatial | метод опорных векторов | ru |
dc.coverage.spatial | спектральный анализ | ru |
dc.creator | Здорнов М. Ю. | ru |
dc.date.issued | 2019 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20191021161704 | ru |
dc.identifier.citation | Здорнов, М. Ю. Разработка алгоритма оценивания признаков цифровой электроэнцефалограммы для диагностирования психических заболеваний : вып. квалификац. работа по направлению подгот. 01.03.02 "Прикладная математика и информатика" (уровень бакалавриата) / М. Ю. Здорнов ; рук. работы А. Г. Храмов ; нормоконтролер С. В. Суханов ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, ма. - Самара, 2019. - on-line | ru |
dc.description.abstract | Объектом изучения является цифровая электроэнцефалограмма, котораяпреобразовывается в матрицу, столбцами которой являются отведения, астроками- значения показаний на промежутке времени от 0 до 55 секунд.Цель работы – разработка алгоритмов обнаружения ш | ru |
dc.format.extent | Электрон. дан. (1 файл : 6,8 Мб) | ru |
dc.title | Разработка алгоритма оценивания признаков цифровой электроэнцефалограммы для диагностирования психических заболеваний | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.021 | ru |
dc.textpart | 73% SVM 73% 76% 75% Нейронная сеть 76% 75% 75% Таблица 3 – Результаты работы метода спектрального анализа на основе доминирующих частот Заболевание Метод Специфичность Чувствительность Точность Шизофрения LDA 82% 43% 63% SVM 80% 46% 63% Нейронная сеть 76% 54% 65% Депрессия LDA 58% 90% 74% SVM 63% 92% 76% Нейронная сеть 62% 92% 77% Анализируя результаты, представленные в таблицах 2 и 3, стоит отметить более высокую точность работы метода при классификации депрессивных состоя... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Здорнов_Максим_Юрьевич_Разработка_алгоритма_оценивания_признаков.pdf | 6.98 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.