EEG signal classification for epilepsy diagnosis via optimum path forest: a systematic assessment (2014)
- Authors:
- Autor USP: LIMA, CLODOALDO APARECIDO DE MORAES - EACH
- Unidade: EACH
- DOI: 10.1016/j.neucom.2014.01.020
- Subjects: PROCESSAMENTO DE SINAIS BIOMÉDICOS; EPILEPSIA (DIAGNÓSTICO); ELETROENCEFALOGRAFIA
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Neurocomputing
- ISSN: 0925-2312
- Volume/Número/Paginação/Ano: v. 136, p. 103\2013123, jul. 2014
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
NUNES, Thiago M. et al. EEG signal classification for epilepsy diagnosis via optimum path forest: a systematic assessment. Neurocomputing, v. 136, p. 103\2013123, 2014Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2014.01.020. Acesso em: 28 mar. 2024. -
APA
Nunes, T. M., Coelho, A. L. V., Lima, C. A. de M., Papa, J. P., & Albuquerque, V. H. C. de. (2014). EEG signal classification for epilepsy diagnosis via optimum path forest: a systematic assessment. Neurocomputing, 136, 103\2013123. doi:10.1016/j.neucom.2014.01.020 -
NLM
Nunes TM, Coelho ALV, Lima CA de M, Papa JP, Albuquerque VHC de. EEG signal classification for epilepsy diagnosis via optimum path forest: a systematic assessment [Internet]. Neurocomputing. 2014 ; 136 103\2013123.[citado 2024 mar. 28 ] Available from: https://doi.org/10.1016/j.neucom.2014.01.020 -
Vancouver
Nunes TM, Coelho ALV, Lima CA de M, Papa JP, Albuquerque VHC de. EEG signal classification for epilepsy diagnosis via optimum path forest: a systematic assessment [Internet]. Neurocomputing. 2014 ; 136 103\2013123.[citado 2024 mar. 28 ] Available from: https://doi.org/10.1016/j.neucom.2014.01.020 - Emprego de enxame de partículas e máquinas de vetores suporte para reconhecimento automático de pessoas baseados em sinais de EEG
- Automatic identification of epileptic EEG signals through binary magnetic optimization algorithms
- Kernel machines for epilepsy diagnosis via EEG signal classification: a comparative study
- Assessing fractal dimension methods as feature extractors for EMG signal classification
- Grammatical facial expressions recognition with machine learning
- Symbolic representations of time series applied to biometric recognition based on ECG signals
- Gesture unit segmentation using spatial-temporal information and machine learning
- Um estudo comparativo das estratégias de fusão no nível de característica para sistemas biométricos multimodais baseados em face e íris
- Patterns detection in ECG signal applied to biometric recognition
- Studies in automated hand gesture analysis: an overview of functional types and gesture phases
Informações sobre o DOI: 10.1016/j.neucom.2014.01.020 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas