TY - A2的伤势,彼得罗盟——Babiker Areej AU -法耶,Ibrahima PY - 2021 DA - 2021/01/25 TI -混合EMD-Wavelet脑电图分类的特征提取方法学生对数学课堂的兴趣SP - 6617462六世- 2021 AB -情境兴趣(SI)是一种有前途的国家,可以提高学生的学习,增加了知识。基于脑电图(EEG)检测如果可以帮助理解如果神经科学事业,因此,可以解释如果在学生学习中扮演的角色。在这项研究中,26个参与者选择基于问卷调查参与数学课堂实验。SI和个人利益(PI)测试是衡量学生进行问卷调查以及知识的兴趣和知识水平。混合方法结合经验模态分解(EMD)和小波变换被开发并用于特征提取。该方法使用多元方差分析显示显著差异(MANOVA)测试和持续使用加权分类性能优于其他方法 k最近的邻居(wkNN)。85.7%的高分类精度的敏感性为81.8%,特异性90%显示大脑振荡模式的高硅学生比学生不同的较低或没有如果。此外,结果表明,δ节奏可能对认知过程有显著影响。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/6617462 - 10.1155 / 2021/6617462摩根富林明计算智力和神经科学PB - Hindawi KW - ER