肌电图(EMG)特征提取工具箱
-------------------------------------------------------------------------------------------------------------------------------------------------------------------
*这个工具箱提供40种类型的肌电图功能
* < A_Main。M文件>演示了如何利用生成的样本信号应用特征提取方法。
*这个Jx-EMGT工具箱的详细信息可以在https://github.com/JingweiToo/EMG-Feature-Extraction-Toolbox
引用作为
《基于离散小波变换和增强特征提取的手部动作分类》。国际计算机科学与应用杂志，第10卷，第2期。6、中国科学:信息科学，2019,doi: 10.3321 / j.i ssn: 0253 - 5733.2012.09.0253。
查看更多的风格
| MLA |
《基于离散小波变换和增强特征提取的手部动作分类》。国际计算机科学与应用杂志，第10卷，第2期。6、中国科学:信息科学，2019,doi: 10.3321 / j.i ssn: 0253 - 5733.2012.09.0253。 |
| 美国心理学协会 |
J.， Rahim, A.， & Mohd, N.(2019)。基于离散小波变换和增强特征提取的手部动作分类。国际计算机科学与应用，10(6)。科学和信息组织。从https://doi.org/10.14569%2Fijacsa.2019.0100612获取 |
| 助理 |
@article{Too_2019, doi = {10.14569/ijacsa.2019.0100612}， url = {https://doi.org/10.14569%2Fijacsa.2019.0100612}， year = 2019, publisher = {The Science and Information Organization}， volume = {10}， number = {6}， author = {Jingwei Too and Abdul Rahim and Norhashimah Mohd}，基于离散小波变换和增强特征提取的手部运动分类，国际先进计算机科学与应用杂志 |
Jingwei, et al.“使用Pbest-Guide二进制粒子群优化的肌电特征选择和分类”。《计算》，第7卷，第5期。1、MDPI AG, 2019年2月，p. 12, doi:10.3390/ compuation7010012。
查看更多的风格
| MLA |
Jingwei, et al.“使用Pbest-Guide二进制粒子群优化的肌电特征选择和分类”。《计算》，第7卷，第5期。1、MDPI AG, 2019年2月，p. 12, doi:10.3390/ compuation7010012。 |
| 美国心理学协会 |
同样，J.， Abdullah, A.， Saad, n.m， & Tee, W.(2019)。基于Pbest-Guide二元粒子群算法的肌电特征选择与分类。计算,7(1),12。MDPI AG)。从https://doi.org/10.3390%2Fcomputation7010012获取 |
| 助理 |
@article {Too_2019, doi = {10.3390 / computation7010012}, url = {https://doi.org/10.3390%2Fcomputation7010012}年= 2019,月={2},出版商= {{MDPI} {AG)}},体积={7}={1},页面={12},作者={精卫,阿卜杜勒·阿卜杜拉和Norhashimah穆罕默德Saad和Weihown三通},title = {{EMG}特征选择与分类的Pbest-Guide二元粒子群算法 |
