沃·夏澈德
沃·夏澈德

EEG 数据集整理

MI

BCI II dataset Ia:

任务：确定受试者是试图产生皮质消极性还是皮质积极性

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 6 N Y 268 train; 293 test 3.5s
  • Birbaumer, N., Flor, H., Ghanayim, N., Hinterberger, T., Iverson, I., Taub, E., Kotchoubey, B., Kübler, A., & Perelmouter, J, A Brain-Controlled Spelling Device for the Completely Paralyzed, Nature, 398, 297-298.

BCI II dataset Ib:

任务：确定受试者是试图产生皮质消极性还是皮质积极性

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 7 N Y 200 train; 180 test 4.5s
  • Birbaumer, N., Flor, H., Ghanayim, N., Hinterberger, T., Iverson, I., Taub, E., Kotchoubey, B., Kübler, A., & Perelmouter, J, A Brain-Controlled Spelling Device for the Completely Paralyzed, Nature, 398, 297-298.

BCI II dataset IIa:

任务：提供反馈测试试验的预期目标

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 64 N Y 336 train; 324 test 5.6s
  • Wolpaw, J.R., Birbaumer, N., Heetderks, W.J., McFarland, D.J., Peckham, P.H., Schalk, G., Donchin, E., Quatrano, L.A., Robinson, C.J. and Vaughan, T.M.Brain-Computer Interface Technology: A Review of the First International Meeting, IEEE Trans Rehab Eng, 2000, 8(2): 164-173.

BCI II dataset III:

任务：对左右运动想象进行分类

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 64 N Y 140 9s;静息3s
  • Schlögl A., Neuper C. Pfurtscheller G. (2002) Estimating the mutual information of an EEG-based Brain-Computer-Interface, Biomedizinische Technik 47(1-2): 3-8.

BCI II dataset IV:

任务：在按键前 130 毫秒预测即将到来的手指运动的侧向性（左手与右手）

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 28 N Y 316 train;100 test 500ms
  • Benjamin Blankertz, Gabriel Curio and Klaus-Robert Müller, Classifying Single Trial EEG: Towards Brain Computer Interfacing, In: T. G. Diettrich and S. Becker and Z. Ghahramani (eds.), Advances in Neural Inf. Proc. Systems 14 (NIPS 01), 2002.

BCI III dataset I:

任务：对来自一个对象的提示运动意象（左小指，舌头）进行分类； 训练和测试数据是来自两个不同会话的 ECoG 记录，间隔大约一周

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 64 ECoG N Y 278 train;100 test 500ms
  • Thomas Lal, Thilo Hinterberger, Guido Widman, Michael Schröder, Jeremy Hill, Wolfgang Rosenstiel, Christian Elger, Bernhard Schölkopf, Niels Birbaumer. Methods Towards Invasive Human Brain Computer Interfaces. Advances in Neural Information Processing Systems (NIPS), 2004 (to appear).

BCI III dataset IIIa:

任务：预测左手、右手、脚、舌头的运动

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 60 N Y 240 7s,3s
  • A. Schlogl, O. Filz, H. Ramoser, G. Pfurtscheller, GDF-A general dataformat for biosignals, Technical Report, 2004

BCI III dataset IIIb:

任务：预测左手、右手的运动想象

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 2 bipolar channels N Y 120 8s,4s
  • A. Schlogl, O. Filz, H. Ramoser, G. Pfurtscheller, GDF-A general dataformat for biosignals, Technical Report, 2004

BCI III dataset IVa:

任务：预测脚、右手的运动想象

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 118 N Y 280*5 1.75 to 2.25 s
  • Guido Dornhege, Benjamin Blankertz, Gabriel Curio, and Klaus-Robert Müller. Boosting bit rates in non-invasive EEG single-trial classifications by feature combination and multi-class paradigms. IEEE Trans. Biomed. Eng., 51(6):993-1002, June 2004.

BCI III dataset IVb:

任务：预测脚、左手的运动想象

备注：给出了 118 个 EEG 通道的连续信号，对于训练数据，给出了指示 210 个线索和相应目标类别的时间点的标记。 只为比赛提供了左脚和脚的提示（因为在测试阶段没有进行舌头图像）。其他的动作没有时间线索

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 118 N Y 210 cues and the corresponding target classes 12 min
  • Guido Dornhege, Benjamin Blankertz, Gabriel Curio, and Klaus-Robert Müller. Boosting bit rates in non-invasive EEG single-trial classifications by feature combination and multi-class paradigms. IEEE Trans. Biomed. Eng., 51(6):993-1002, June 2004.

BCI III dataset IVc:

任务：预测脚、左手的运动想象

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 118 N Y 210 train;400 test 1.75 to 2.25 s
  • Guido Dornhege, Benjamin Blankertz, Gabriel Curio, and Klaus-Robert Müller. Boosting bit rates in non-invasive EEG single-trial classifications by feature combination and multi-class paradigms. IEEE Trans. Biomed. Eng., 51(6):993-1002, June 2004.

BCI III dataset V:

任务：对来自 3 个科目的 3 个类（左手、右手、单词联想）进行分类； 除了原始信号，还提供了预先计算的特征

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 3 32 N Y 3 train ；1 test 每次试验4分钟，每个任务15s左右
  • Millán, J. del R.. On the need for on-line learning in brain-computer interfaces Proc. Int. Joint Conf. on Neural Networks., 2004.

BCI IV dataset I:

任务：脑电图、运动想象（左手、右手、脚2类）； 评估数据是连续的脑电图，其中也包含空闲状态的时期

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2（3，但每个subject只选两类） 64 N Y 7 subject continuous EEG which contains also periods of idle state
  • Benjamin Blankertz, Guido Dornhege, Matthias Krauledat, Klaus-Robert Müller, and Gabriel Curio. The non-invasive Berlin Brain-Computer Interface: Fast acquisition of effective performance in untrained subjects. NeuroImage, 37(2):539-550, 2007.

BCI IV dataset IIa:

任务：脑电图，提示运动想象（左手、右手、脚、舌头）

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 22 EEG channels (0.5-100Hz; notch filtered), 3 EOG channels Y Y 9 subject*6*4*12=9*288 7.5s,3s
  • Brunner C, Leeb R, Müller-Putz G, et al. BCI Competition 2008–Graz data set A[J]. Institute for Knowledge Discovery (Laboratory of Brain-Computer Interfaces), Graz University of Technology, 2008, 16: 1-6.

BCI IV dataset IIb:

任务：脑电图，提示运动（左手、右手）

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 3 bipolar EEG channels (0.5-100Hz; notch filtered), 3 EOG channels Y Y 9 subject*120 9s
  • Leeb R, Brunner C, Müller-Putz G, et al. BCI Competition 2008–Graz data set B[J]. Graz University of Technology, Austria, 2008: 1-6.

High Gamma Dataset

任务：四类动作分别是左手、右手、双脚和休息

下载地址：https://github.com/robintibor/high-gamma-dataset

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 128 N N 14 subject*1000 4s
  • Schirrmeister R T, Springenberg J T, Fiederer L D J, et al. Deep learning with convolutional neural networks for EEG decoding and visualization[J]. Human brain mapping, 2017, 38(11): 5391-5420.

EEG Motor Movement/Imagery Dataset

任务：四类动作任务

下载地址：https://www.physionet.org/content/eegmmidb/1.0.0/

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 64 N Y more than 1500 1~2min
  • Schalk, G., McFarland, D.J., Hinterberger, T., Birbaumer, N., Wolpaw, J.R. BCI2000: A General-Purpose Brain-Computer Interface (BCI) System. IEEE Transactions on Biomedical Engineering 51(6):1034-1043, 2004.
  • Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., … & Stanley, H. E. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220.

Left/Right Hand MI

任务：四类动作分别是左手、右手、双脚和休息

下载地址：http://gigadb.org/dataset/100295

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 64 EEG;4 EMG Y N 52 subject*100 or 120 3s
  • Cho H, Ahn M, Ahn S, et al. EEG datasets for motor imagery brain–computer interface[J]. GigaScience, 2017, 6(7): gix034.

Grasp-and-Lift EEG Detection

任务：四类动作分别是左手、右手、双脚和休息

下载地址：https://www.kaggle.com/c/grasp-and-lift-eeg-detection/data

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 6 32 N N 12sub*10trail*30test -
  • Luciw M D, Jarocka E, Edin B B. Multi-channel EEG recordings during 3,936 grasp and lift trials with varying weight and friction[J]. Scientific data, 2014, 1(1): 1-11.

The largest SCP data of Motor-Imagery

任务： 4 个 BCI 交互范式，以及多个记录会话和同一个人的范式。 考虑了涉及多达 6 种运动想象状态的 BCI 交互。

下载地址：https://www.kaggle.com/c/grasp-and-lift-eeg-detection/data

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 38 N N more than 60000 -
  • Kaya, Murat; Binli, Mustafa Kemal; Ozbay, Erkan; Yanar, Hilmi; Mishchenko, Yuriy (2018): A large electroencephalographic motor imagery dataset for electroencephalographic brain computer interfaces. figshare. Collection. https://doi.org/10.6084/m9.figshare.c.3917698.v1

EEG motor activity data set

任务：包含两个数据集，一名受试者的 19 电极数据，具有 1D 和 2D 手部动作的各种组合

下载地址：https://sites.google.com/site/projectbci/

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 19 N Y - -
  • Brain Computer Interface research at NUST Pakistan
    If you publish your research making any use of this data, please send us an email so that the usage reference can be added to this page. Thanks

EEG motor activity data set

任务：包含两个数据集，一名受试者的 19 电极数据，具有 1D 和 2D 手部动作的各种组合

下载地址：https://sites.google.com/site/projectbci/

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 19 N Y - -
  • Brain Computer Interface research at NUST Pakistan
    If you publish your research making any use of this data, please send us an email so that the usage reference can be added to this page. Thanks

Imagination of Right-hand Thumb Movement

任务：想象抬起右手拇指

下载地址：https://archive.ics.uci.edu/ml/datasets/Planning+Relax

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 8 N Y 182 5s
  • Rajen Bhatt, ‘Planning-Relax Dataset for Automatic Classification of EEG Signals’, UCI Machine Learning Repository

ERP(含P300)

BCI II dataset IIb:

任务：屏幕中有6*6的字符，预测用户所关注的数字，P300

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 36 64 N Y 12*15 -
  • Donchin, E., Spencer, K.M., Wijensinghe, R. The mental prosthesis: Assessing the speed of a P300-based brain-computer interface. IEEE Trans. Rehab. Eng. 8:174-179, \2000.

BCI III dataset II

任务：预测测试集中的字符序列,P300

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 36 64 N Y 278 train;100 test -
  • Thomas Lal, Thilo Hinterberger, Guido Widman, Michael Schröder, Jeremy Hill, Wolfgang Rosenstiel, Christian Elger, Bernhard Schölkopf, Niels Birbaumer. Methods Towards Invasive Human Brain Computer Interfaces. Advances in Neural Information Processing Systems (NIPS), 2004 (to appear).

AFDP

任务：？P300

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
？ ？ ？ ？ ？ ？ ？
  • Onishi A, Zhang Y, Zhao Q, et al. Fast and reliable P300-based BCI with facial images, 5th Int[C]//BCI Conf. 2011: 191-195.

BCI Challenge @ NER 2015

任务：P300 拼写器任务的 26 个受试者、56 个 EEG 通道，以及 P300 解码正确或不正确字母时引发的响应的标记数据集

下载：https://www.kaggle.com/c/inria-bci-challenge

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 56 N Y 80 train;50 test -

Monitoring error-related potentials

任务：6 名受试者有 64 个脑电图电极，观察光标向目标方格移动，并根据光标向正确或错误方向移动来标记引发的反应,ErrP

下载地址：http://bnci-horizon-2020.eu/database/data-sets

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 64 N Y about 6sub*50 -
  • R. Chavarriaga and J. d. R. Millan, “Learning From EEG Error-Related Potentials in Noninvasive Brain-Computer Interfaces,” in IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 18, no. 4, pp. 381-388, Aug. 2010, doi: 10.1109/TNSRE.2010.2053387.

HCI-Tagging

任务：受试者会在屏幕底部显示带有标签的图像或电影片段。 在某些情况下，标签正确地描述了一些情况。 但是，在其他情况下，标签实际上并不适用于媒体项目。 在每个项目之后，如果参与者同意标签适用于媒体项目，则要求他们按绿色按钮，否则按红色按钮。ErrP

下载地址：https://mahnob-db.eu/hci-tagging/

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 64 N Y 30 subject -

Face vs. House Discrimination

任务：7 名癫痫患者分别接受了 50 个灰度刺激，用于面部和房屋图片。 对于每个受试者，总共进行 3 次实验运行，产生 300 次刺激

下载地址:https://purl.stanford.edu/xd109qh3109

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N - - N Y 7sub*3trail*100 400ms
  • Miller K J, Schalk G, Hermes D, et al. Spontaneous decoding of the timing and content of human object perception from cortical surface recordings reveals complementary information in the event-related potential and broadband spectral change[J]. PLoS computational biology, 2016, 12(1): e1004660.

Target Versus Non-Target

任务：P300

下载地址:https://zenodo.org/record/2649069#.YTyQXH2-uUk

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N - 16 N Y 36subject -
  • Van Veen G, Barachant A, Andreev A, et al. Building Brain Invaders: EEG data of an experimental validation[J]. arXiv preprint arXiv:1905.05182, 2019.

SSVEP

Benchmark Dataset

任务：对40个字符进行分类

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 40 60 N Y 35 subject*6*40 5s,1s
  • Wang Y, Chen X, Gao X, et al. A benchmark dataset for SSVEP-based brain–computer interfaces[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2016, 25(10): 1746-1752.

BETA database

任务：提示拼写任务

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 40 64 N Y 70 subject*40 6s
  • Liu B, Huang X, Wang Y, et al. BETA: A large benchmark database toward SSVEP-BCI application[J]. Frontiers in neuroscience, 2020, 14: 627.

FBCCA-DW dataset

任务：?

备注：论文不明http://bci.med.tsinghua.edu.cn/download.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
? ？ 64 electorde + 1 trigger ? Y ？ ？
  • ？同团队最新论文A novel training-free recognition method for SSVEP-based BCIs using dynamic window strategy看不了。。。

Benchmark Dataset for RSVP BCIs

任务：?

备注：不知道论文http://bci.med.tsinghua.edu.cn/download.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
? ？ 64 N Y ？ ？
  • ？

Cross-Session Dataset for Collaborative BCIs

任务：?

备注：论文不明http://bci.med.tsinghua.edu.cn/download.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
? ? 62 + 1 trigger N Y ? var
  • ?

Wearable SSVEP BCI Dataset

任务：执行基于 12 目标 SSVEP 的 BCI 任务

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 12 8 N Y 102subject 2.84s
  • Zhu F, Jiang L, Dong G, et al. An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces[J]. Sensors, 2021, 21(4): 1256.

160 Targets SSVEP BCI Dataset

任务：160目标的ssvep任务

备注：论文不明http://bci.med.tsinghua.edu.cn/download.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 8/12 9;160 trigger N Y 102subject 2.84s

dataset-ssvep-exoskeleton

任务：该数据集收集了 12 名受试者在共享控制任务期间操作上肢外骨骼的基于 SSVEP 的 BCI 记录

下载地址；https://github.com/sylvchev/dataset-ssvep-exoskeleton

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 8 N Y 12subject -
  • Vinay Jayaram and Alexandre Barachant. “MOABB: trustworthy algorithm benchmarking for BCIs.” Journal of neural engineering 15.6 (2018): 066011.https://github.com/NeuroTechX/moabb/
  • Kalunga E K, Chevallier S, Barthélemy Q, et al. Online SSVEP-based BCI using Riemannian geometry[J]. Neurocomputing, 2016, 191: 55-68.

A multi-day and multi-band dataset

任务：4个 LED灯注意力

下载地址http://gigadb.org/dataset/100660

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 4 33 Y，有多个频段数据集，多天数据集，呼吸、心电图、肌电图和头部运动等 Y 30subject*40trail -
  • Choi G Y, Han C H, Jung Y J, et al. A multi-day and multi-band dataset for a steady-state visual-evoked potential–based brain-computer interface[J]. GigaScience, 2019, 8(11): giz133.

EEG Steady-State Visual Evoked Potential Signals Data Set

任务：包括 3 种不同的测试，(i) 五盒视觉测试：有参与和无人参与的基于圆盘和正方形的刺激，(ii) 自然图像中的视觉搜索：在黑白自然图像中搜索黄点刺激，(iii) 手抖测试：显示 左/右手关闭/打开图像。 30 个受试者，14 个电极。

下载地址https://archive.ics.uci.edu/ml/datasets/EEG+Steady-State+Visual+Evoked+Potential+Signals#

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N - 14 N Y 9200 -
  • Fernandez-Fraga, S. M., Aceves-Fernandez, M. A., Pedraza-Ortega, J. C. (2018). Feature Extraction of EEG Signal upon BCI Systems Based on Steady-State Visual Evoked Potentials Using the Ant Colony Optimization Algorithm. Discrete Dynamics in Nature and Society, 2018.
    S. M. Fernandez-Fraga, M. A. Aceves-Fernande, J. C. Pedraza-Ortega & J. M. Ramos-Arreguín (2018). Screen Task Experiments for EEG Signals Based on SSVEP Brain Computer Interface. International Journal of Advanced Research, 2018.

VEP

c-VEP BCI with dry electrodes

任务：9 名受试者、15 个干脑电图通道用于 VEP BCI 拼写器（32 个字符）任务，以及为与拼写器相关联的标签引出的响应的标记数据集

下载地址：https://figshare.com/articles/dataset/A_High-Speed_Brain-Computer_Interface_BCI_Using_Dry_EEG_Electrodes/4640686

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 32 15 N Y 12subject -
  • Spüler M. A high-speed brain-computer interface (BCI) using dry EEG electrodes[J]. PloS one, 2017, 12(2): e0172400.

Emotion Recognition

DEAP

任务：包括 32 个subject，每个观看 1 分钟长的音乐视频摘录，由用户根据唤醒/效价/喜欢-不喜欢/支配性/熟悉度进行评分，以及 22/32 主题的正面记录。

下载地址：http://www.eecs.qmul.ac.uk/mmv/datasets/deap/readme.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
4维情感 32eeg and 8 other Y N 32subject*40trail 60s
  • Koelstra S, Muhl C, Soleymani M, et al. Deap: A database for emotion analysis; using physiological signals[J]. IEEE transactions on affective computing, 2011, 3(1): 18-31.

SEED、SEED-IV、SEED-VIG

任务：向 15 名受试者展示了引发积极/消极/中性情绪的视频剪辑，并通过 62 个通道记录了 EEG。。

下载地址：https://bcmi.sjtu.edu.cn/~seed/seed.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
Y 62 N N 15sub*15trail about 4min
  • Ruo-Nan Duan, Jia-Yi Zhu and Bao-Liang Lu, Differential Entropy Feature for EEG-based Emotion Classification, Proc. of the 6th International IEEE EMBS Conference on Neural Engineering (NER). 2013: 81-84.
  • Wei-Long Zheng, and Bao-Liang Lu, Investigating Critical Frequency Bands and Channels for EEG-based Emotion Recognition with Deep Neural Networks, accepted by IEEE Transactions on Autonomous Mental Development (IEEE TAMD) 7(3): 162-175, 2015.

Imagined Emotion

任务：31 名受试者，受试者会听取暗示情绪感受的录音，并要求受试者想象一个情绪场景或回忆他们以前感受到这种情绪的经历。

下载地址：https://headit.ucsd.edu/studies/3316f70e-35ff-11e3-a2a9-0050563f2612

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 256 N N 31sub*15trail -
  • Onton J A, Makeig S. High-frequency broadband modulation of electroencephalographic spectra[J]. Frontiers in human neuroscience, 2009, 3: 61.

Neuro Marketing

任务：25 个subject，14 个电极，喜欢/不喜欢商业电子商务产品，超过 14 个类别，每个类别 3 个图像。 数据集文章：EEG 信号分析及其在神经营销中的应用。

下载地址：https://drive.google.com/open?id=0B2T1rQUvyyWcSGVVaHZBZzRtTms

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2 14 N Y 25sub*42 -
  • Yadava M, Kumar P, Saini R, et al. Analysis of EEG signals and its application to neuromarketing[J]. Multimedia Tools and Applications, 2017, 76(18): 19087-19111.

AMIGOS

任务：一个数据库，通过神经生理信号研究性格、人格特征和情绪。与其他数据库不同，在两种配置中同时使用短视频和长视频，一种是单个观看者，另一种是观看者组

下载地址： http://www.eecs.qmul.ac.uk/mmv/datasets/amigos/

备注：引文里面还整理了 很多情绪识别的数据集

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 多维评估 14 Y脑电图（EEG）、心电图（ECG）和电镀皮肤反应（GSR） N 40sub -
  • AMIGOS: A Dataset for Affect, Personality and Mood Research on Individuals and Groups , J.A. Miranda-Correa, M.K. Abadi, N. Sebe, and I. Patras, IEEE Transactions on Affective Computing, 2018.

DECAF

任务：一个数据库，通过神经生理信号研究性格、人格特征和情绪。与其他数据库不同，在两种配置中同时使用短视频和长视频，一种是单个观看者，另一种是观看者组

下载地址：http://mhug.disi.unitn.it/wp-content/DECAF/DECAF.html

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 多维评估 306 Y脑磁图 (MEG)、水平眼电图 (hEOG)、心电图 (ECG)、斜方肌肌电图 (tEMG)、近红外面部视频 N 30sub*(40+36) -
  • Abadi M K, Subramanian R, Kia S M, et al. DECAF: MEG-based multimodal database for decoding affective physiological responses[J]. IEEE Transactions on Affective Computing, 2015, 6(3): 209-222.

杂项

eeg dataset

任务：一个二元类 MI 系统、一个 36 符号 ERP 拼写器和一个四目标频率 SSVEP 系统。

下载地址http://gigadb.org/dataset/100542

特点：

多标记 标签数 维度/通道数 多源 小样本 数据规模 时长
N 2、36、4 62 N N 44*（100train+100test）；44*（100train+100test）;44*（1980train+2160test） 4s，4s,13s
  • Lee M H, Kwon O Y, Kim Y J, et al. EEG dataset and OpenBMI toolbox for three BCI paradigms: an investigation into BCI illiteracy[J]. GigaScience, 2019, 8(5): giz002.

physionet dataset

备注：里面有非常非常非常多个开源数据集

地址：https://www.physionet.org/about/database/

BNCI Horizon 2020

备注：里面有非常非常多个开源数据集

地址：http://bnci-horizon-2020.eu/database/data-sets

EEG / ERP data

备注：里面有多个开源数据集

地址：https://sccn.ucsd.edu/~arno/fam2data/publicly_available_EEG_data.html

你可能感兴趣的:(沃·夏澈德闲笔录,EEG,数据集,Dataset,BCI,脑电)

  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • 《投行人生》读书笔记 小蘑菇的树洞
    《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
  • 扫地机类清洁产品之直流无刷电机控制 悟空胆好小 清洁服务机器人单片机人工智能
    扫地机类清洁产品之直流无刷电机控制1.1前言扫地机产品有很多的电机控制，滚刷电机1个，边刷电机1-2个，清水泵电机，风机一个，部分中高端产品支持抹布功能，也就是存在抹布盘电机，还有追觅科沃斯石头等边刷抬升电机，滚刷抬升电机等的，这些电机有直流有刷电机，直接无刷电机，步进电机，电磁阀，挪动泵等不同类型。电机的原理，驱动控制方式也不行。接下来一段时间的几个文章会作个专题分析分享。直流有刷电机会自动持续
  • LLM 词汇表 落难Coder LLMsNLP大语言模型大模型llama人工智能
    Contextwindow“上下文窗口”是指语言模型在生成新文本时能够回溯和参考的文本量。这不同于语言模型训练时所使用的大量数据集，而是代表了模型的“工作记忆”。较大的上下文窗口可以让模型理解和响应更复杂和更长的提示，而较小的上下文窗口可能会限制模型处理较长提示或在长时间对话中保持连贯性的能力。Fine-tuning微调是使用额外的数据进一步训练预训练语言模型的过程。这使得模型开始表示和模仿微调数
  • 【目标检测数据集】卡车数据集1073张VOC+YOLO格式 熬夜写代码的平头哥∰ 目标检测YOLO人工智能
    数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：1073标注数量(xml文件个数)：1073标注数量(txt文件个数)：1073标注类别数：1标注类别名称:["truck"]每个类别标注的框数：truck框数=1120总框数：1120使用标注工具：labelImg标注
  • Faiss Tips：高效向量搜索与聚类的利器 焦习娜Samantha
    FaissTips：高效向量搜索与聚类的利器faiss_tipsSomeusefultipsforfaiss项目地址:https://gitcode.com/gh_mirrors/fa/faiss_tips项目介绍Faiss是由FacebookAIResearch开发的一个用于高效相似性搜索和密集向量聚类的库。它支持多种硬件平台，包括CPU和GPU，能够在海量数据集上实现快速的近似最近邻搜索（AN
  • 番茄西红柿叶子病害分类数据集12882张11类别 futureflsl 数据集分类数据挖掘人工智能
    数据集类型：图像分类用，不可用于目标检测无标注文件数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片图片数量(jpg文件个数)：12882分类类别数：11类别名称:["Bacterial_Spot_Bacteria","Early_Blight_Fungus","Healthy","Late_Blight_Water_Mold","Leaf_Mold_Fungus","Powdery
  • 钢筋长度超限检测检数据集VOC+YOLO格式215张1类别 futureflsl 数据集YOLO深度学习机器学习
    数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：215标注数量(xml文件个数)：215标注数量(txt文件个数)：215标注类别数：1标注类别名称:["iron"]每个类别标注的框数：iron框数=215总框数：215使用标注工具：labelImg标注规则：对类别进
  • Faiss：高效相似性搜索与聚类的利器 网络·魚 大数据faiss
    Faiss是一个针对大规模向量集合的相似性搜索库，由FacebookAIResearch开发。它提供了一系列高效的算法和数据结构，用于加速向量之间的相似性搜索，特别是在大规模数据集上。本文将介绍Faiss的原理、核心功能以及如何在实际项目中使用它。Faiss原理：近似最近邻搜索：Faiss的核心功能之一是近似最近邻搜索，它能够高效地在大规模数据集中找到与给定查询向量最相似的向量。这种搜索是近似的，
  • ES聚合分析原理与代码实例讲解 光剑书架上的书 大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    ES聚合分析原理与代码实例讲解1.背景介绍1.1问题的由来在大规模数据分析场景中，特别是在使用Elasticsearch（ES）进行数据存储和检索时，聚合分析成为了一个至关重要的功能。聚合分析允许用户对数据集进行细分和分组，以便深入探索数据的结构和模式。这在诸如实时监控、日志分析、业务洞察等领域具有广泛的应用。1.2研究现状目前，ES聚合分析已经成为现代大数据平台的核心组件之一。它支持多种类型的聚
  • 希望和悲伤都是照亮我们人生的一缕光 山月映雪
    我开始并不想读《云边有个小卖部》，但看到好几个学生就都在读这本书，为了了解学生的阅读实际，我就拿起这本书翻看起来。读了十几页，发现小说的语言中不时有一些粗俗的字眼，感觉自己读不下去了。小说一开始把云边镇风景写的特别的美好，我错判为脱离现实的鸳鸯蝴蝶派小说，对于人为制造的童话世界的人与物，我真的不太感兴趣，所以就没有再读了。有天在教室闲转，顺手又拿起了这本书看了起来，这次我才真的看进去了。这部小说除
  • 闲乐 左继强a
    夕阳正下山闲煮一壶禅袅袅茶香幽砚墨写诗篇图片发自App图片发自App图片发自App
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 如何在心上用功？ 余超林AIA财富管家
    思考：如何在心上用功？学习心得：心-道-德-事的理解心-道-德-事这四部曲，本质上就是一个人的思维智慧的四个层面：事是最底层，这是所有人在这个社会谋求生存的基础，一个人能够把事情彻底做好，保质保量的完成，才会有真正的结果，但是这个层面要获得真正成功很困难，因为会做事的人很多，最终会出现恶性竞争；德是第三层，如果说整个社会做事的竞争激烈程度为100%，那么上升到德上的竞争激烈程度降低为80%，德是一
  • 现代汉语粗糙版 文学史与经典 学习搬运工
    第十六章文学史与经典文学史的兴起在西方,虽然从亚里士多德开始,在人类的著述中已经可以找到文学史概念与写作方式的萌芽,但是,人们一般认为17世纪后期到18世纪是现代文学史写作真正开始的时期。长达百年波及整个欧洲的“古今之争”孕育出文学研究的历史意识,现代意义上的文学史观念在这场影响深远的论争中初见端倪。从18世纪晚期到19世纪初,由于席勒、弗·施莱格尔和赫尔德等人的介入,文学史研究逐渐变得复杂和成熟
  • 张芝华49天共修 - 草稿 李娟AINI
    祈禱、靜心、源代碼編程、觀想發願四根支柱，運用靈性能量的助力，讓夢想和渴望在最大向度中輕鬆實現。共修群指定书籍:1.能断金刚麦克格西2.新世界：灵性的觉醒埃克哈特·托尔3.爱是一切的答案芭芭拉迪安吉莉思4.完美的爱,不完美的关系约翰•威尔伍德5.爱的业力法则麦克格西6.漫画《金刚经》蔡志忠7.蔡志忠典藏国学漫画系列(套装共6册)作业:全部在共修群里完成，并请保存好自己的作业。l一周三次共修觉察作业
  • 趁吾身未老 逍遥书生111
    趁吾身未老池非2020年，一场突如其来的新冠脑炎疫情，打破了原有的状态。工作与生活的轨迹发生了不确定的变化。01因为隔离防疫，正常的教学不能进行，线上网课成为教学的新形式，年过五十的我面对新的教学形式有些应不暇。只得退而求次，不再负责高考班级的课程。这样，就不用上网课做直播了。感觉很轻松很闲的同时，也感觉到了英雄迟暮。不得不承认，老了。该交班了。因为不能出门，整天呆在家里，一开始还很兴奋，终于可以
  • python tif转png Python与遥感 python开发语言
    importosfromosgeoimportgdalimportnumpyasnpfromPILimportImage#提取432三波段fromspectralimport*#输入文件夹路径defget_img(dataset_img):width=dataset_img.RasterXSize#获取行列数height=dataset_img.RasterYSizebands=dataset_i
  • 古诗十九首⑩ 梁雪微
    今日良宴会【原文】今日良宴会①，欢乐难具陈②。弹筝奋逸响③，新声妙入神④。令德唱高言⑤，识曲听其真⑥。齐心同所愿⑦，含意俱未申⑧。人生寄一世，奄忽若飙尘⑨。何不策高足⑩，先据要路津？无为守贫贱，轲常苦辛。【注释】①良宴会：犹言热闹的宴会。良，善也。②难具陈：犹言难以一一述说。具，备也。陈，列也。③筝：乐器。奋逸：不同凡俗的音响。④新声：指当时最流行的曲调，指西北邻族传来的胡乐。妙入神：称赞乐调旋律
  • Python多线程实现大规模数据集高效转移 sand&wich 网络python服务器
    背景在处理大规模数据集时，通常需要在不同存储设备、不同服务器或文件夹之间高效地传输数据。如果采用单线程传输方式，当数据量非常大时，整个过程会非常耗时。因此，通过多线程并行处理可以大幅提升数据传输效率。本文将分享一个基于Python多线程实现的高效数据传输工具，通过遍历源文件夹中的所有文件，将它们移动到目标文件夹。工具和库这个数据集转移工具主要依赖于以下Python标准库：os：用于文件系统操作，如
  • 冬练太极虽好，也需做好防护！ 武当功夫传人郑师和
    俗话说，夏练三伏，冬练三九，练功绝非一日之功，必须持之以恒。太极拳是一项集文化、养生、锻炼于一体的活动。现在已经进入冬季，许多喜爱太极拳的朋友们仍然会到户外进行锻炼。这种精神固然可嘉，但是也一定要注意一些相关事项，以避免影响养生的效果。冬季练拳要“养汗”太极拳一日不练十日空,入冬天冷以后要“守汗”，春生夏长秋收冬藏，冬天练功，万物冬藏，要养阳气，需要藏精，顺天时天利，盘拳时，身体微热要见汗，还没出
  • 第二十五辑-安尘乱物 wallowed
    1、《劳犁》作犁耕土解炎林，劳碌秋丰四两金。挥汗佝偻衣褴褛，卖得如洗衬寒贫。春种南山锄造力，傍老倚仗体民心。颗籽无收黍稷尘，农田饥劬苦疫病。牛羊冷炙食蚕桑，丁壮耒耜宿闲勤。归来未已开红豆，篱落花稀麦苗青。米贵征徭生柴火，荒草凄清渐鸡鸣。谷雨时节方期许，择日又是复曾经。2、《忘言》久别似相识，对酒客长安。嘘唏一仗夜，临行却忘言。江雪空投岸，梨花淡云烟。若问有缘人，相窥两不厌。莫作酒魂归，窗台结生寒。
  • COCO 格式的数据集转化为 YOLO 格式的数据集 QYQY77 YOLOpython
    """--json_path输入的json文件路径--save_path保存的文件夹名字，默认为当前目录下的labels。"""importosimportjsonfromtqdmimporttqdmimportargparseparser=argparse.ArgumentParser()parser.add_argument('--json_path',default='./instances
  • 教师资格证常考的5个知识点 a3cb74a20840
    知识点1：教育与人的发展(5规律、4因素、3动因)五大规律：顺序性—循序渐进阶段性—不搞“一刀切”不平衡性—抓关键期互补性—扬长避短个别差异性—因材施教考点精华：1.举例子对应五大规律;2.每个规律的教学启示;3规律特点。四大因素：遗传(地位：物质前提、可能性)环境(地位：多种可能、现实性)学校教育(主导)个人主观能动性(动力、决定)三大动因：内发论(1.孟子：性善论;2.弗洛伊德：性本能)外铄论
  • [数据集][目标检测]汽车头部尾部检测数据集VOC+YOLO格式5319张3类别 FL1623863129 数据集目标检测汽车YOLO
    数据集制作单位：未来自主研究中心(FIRC)版权单位：未来自主研究中心(FIRC)版权声明：数据集仅仅供个人使用，不得在未授权情况下挂淘宝、咸鱼等交易网站公开售卖,由此引发的法律责任需自行承担数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：5319标注数量(xml文件
  • 9月25日，十二星座，星座运势 葫芦姐姐聊星座
    白羊座：想法欠稳妥，你还是会被某些事情牵着鼻子走，让自己显得十分被动，建议得尽快放下心中的杂念，找到恰当的方式去解决问题；感情上患得患失，在相处过程中，若你提出的要求，对方都有默默关注并改进，代表对方是很在意你的。金牛座：气定神闲，你能统筹安排好手头的事情，合理的走完日常行程，并且将积压已久的事情彻底解决，只是在处理文字协议的时候，要多留点心；感情上单身族或显太过矜持，建议要主动表达自己的想法，才
  • 2023-05-25 季风2026
    育人细无声，光影文传情------南校区射灯投影内容为了丰富校园文化建设，打造全方位、多角度、光影文的育人环境，宣教科特出具“育人细无声，光影文传情”的射灯文化建设方案，拟定投射内容若干，请领导审阅。第一阶段投射内容：校风校训等学校精神。1.南校区大门口：校风：诚朴自信知行合一校训：厚德精技励学创新2.教学楼门口：教风：因材施教德技双馨学风：博学慎思明辨笃行3.宿舍楼门口：团结友善互帮互助包容大度
  • 正念内观练习20220622 蓝空静云
    夏一、善念&感谢女儿一边说想明天放学后去看看要去北京手术的闺蜜，又一边念叨明天闺蜜要出发，家里得收拾行李什么的，是不是去了会添乱，真是个心思细腻又善解人意的姑娘。上周表姐回了趟老家，妈妈托给捎回来一些鹅蛋、鸡蛋还有自己腌的咸鸭蛋，拿回来一直放在楼下，今天拿上来收拾整理放入冰箱保鲜慢慢吃。妈妈家不养家畜，这些都是邻居们自家养的送给妈妈，妈妈又特意捎给女儿，妈妈总说自家养的比外面卖的好，好的总是会留给
  • 读《道德经》28 华南帝虎
    甘德礼（读《道德经》28）原创分享609＋277天，光山心协智慧父母课堂持续分享第262天原文知其雄，守其雌，为天下谿。为天下谿，常德不离，复归于婴儿。知其白，守其黑，为天下式。为天下式，常德不忒，复归于无极。知其荣，守共辱，为天下谷。为天下谷，常徳乃足，复归于朴。朴散则为器，圣人用之则为官长，故大制不割。译文越是自己雄强刚猛，越是要守得住雌柔安静，就像山间低凹的溪水样。像溪水一样，那规律性的德就
  • Hadoop 傲雪凌霜，松柏长青 后端大数据hadoop大数据分布式
    ApacheHadoop是一个开源的分布式计算框架，主要用于处理海量数据集。它具有高度的可扩展性、容错性和高效的分布式存储与计算能力。Hadoop核心由四个主要模块组成，分别是HDFS（分布式文件系统）、MapReduce（分布式计算框架）、YARN（资源管理）和HadoopCommon（公共工具和库）。1.HDFS（HadoopDistributedFileSystem）HDFS是Hadoop生
  • knob UI插件使用 换个号韩国红果果 JavaScriptjsonpknob
    图形是用canvas绘制的 js代码 var paras = { max:800, min:100, skin:'tron',//button type thickness:.3,//button width width:'200',//define canvas width.,canvas height displayInput:'tr
  • Android+Jquery Mobile学习系列(5)-SQLite数据库 白糖_ JQuery Mobile
    目录导航   SQLite是轻量级的、嵌入式的、关系型数据库，目前已经在iPhone、Android等手机系统中使用,SQLite可移植性好，很容易使用，很小，高效而且可靠。   因为Android已经集成了SQLite，所以开发人员无需引入任何JAR包，而且Android也针对SQLite封装了专属的API，调用起来非常快捷方便。   我也是第一次接触S
  • impala-2.1.2-CDH5.3.2 dayutianfei impala
    最近在整理impala编译的东西，简单记录几个要点： 根据官网的信息（https://github.com/cloudera/Impala/wiki/How-to-build-Impala）： 1. 首次编译impala，推荐使用命令： ${IMPALA_HOME}/buildall.sh -skiptests -build_shared_libs -format 2.仅编译BE ${I
  • 求二进制数中1的个数 周凡杨 java算法二进制
    解法一： 对于一个正整数如果是偶数，该数的二进制数的最后一位是 0 ，反之若是奇数，则该数的二进制数的最后一位是 1 。因此，可以考虑利用位移、判断奇偶来实现。   public int bitCount(int x){ int count = 0; while(x!=0){ if(x%2!=0){ /
  • spring中hibernate及事务配置 g21121 Hibernate
    hibernate的sessionFactory配置： <!-- hibernate sessionFactory配置 --> <bean id="sessionFactory" class="org.springframework.orm.hibernate3.LocalSessionFactoryBean"> <
  • log4j.properties 使用 510888780 log4j
    log4j.properties 使用 一.参数意义说明 输出级别的种类 ERROR、WARN、INFO、DEBUG ERROR 为严重错误 主要是程序的错误 WARN 为一般警告，比如session丢失 INFO 为一般要显示的信息，比如登录登出 DEBUG 为程序的调试信息 配置日志信息输出目的地 log4j.appender.appenderName = fully.qua
  • Spring mvc-jfreeChart柱图（2） 布衣凌宇 jfreechart
    上一篇中生成的图是静态的，这篇将按条件进行搜索，并统计成图表，左面为统计图，右面显示搜索出的结果。 第一步：导包 第二步；配置web.xml(上一篇有代码) 建BarRenderer类用于柱子颜色 import java.awt.Color; import java.awt.Paint; import org.jfree.chart.renderer.category.BarR
  • 我的spring学习笔记14-容器扩展点之PropertyPlaceholderConfigurer aijuans Spring3
    PropertyPlaceholderConfigurer是个bean工厂后置处理器的实现，也就是BeanFactoryPostProcessor接口的一个实现。关于BeanFactoryPostProcessor和BeanPostProcessor类似。我会在其他地方介绍。 PropertyPlaceholderConfigurer可以将上下文（配置文件）中的属性值放在另一个单独的标准java
  • maven 之 cobertura 简单使用 antlove maventestunitcoberturareport
    1. 创建一个maven项目 2. 创建com.CoberturaStart.java package com; public class CoberturaStart { public void helloEveryone(){ System.out.println("=================================================
  • 程序的执行顺序 百合不是茶 JAVA执行顺序
          刚在看java核心技术时发现对java的执行顺序不是很明白了,百度一下也没有找到适合自己的资料,所以就简单的回顾一下吧   代码如下;     经典的程序执行面试题 //关于程序执行的顺序 //例如： //定义一个基类 public class A(){ public A(
  • 设置session失效的几种方法 bijian1013 web.xmlsession失效监听器
    在系统登录后，都会设置一个当前session失效的时间，以确保在用户长时间不与服务器交互，自动退出登录，销毁session。具体设置很简单，方法有三种：（1）在主页面或者公共页面中加入：session.setMaxInactiveInterval(900);参数900单位是秒，即在没有活动15分钟后，session将失效。这里要注意这个session设置的时间是根据服务器来计算的，而不是客户端。所
  • java jvm常用命令工具 bijian1013 javajvm
    一.概述         程序运行中经常会遇到各种问题，定位问题时通常需要综合各种信息，如系统日志、堆dump文件、线程dump文件、GC日志等。通过虚拟机监控和诊断工具可以帮忙我们快速获取、分析需要的数据，进而提高问题解决速度。 本文将介绍虚拟机常用监控和问题诊断命令工具的使用方法，主要包含以下工具:       &nbs
  • 【Spring框架一】Spring常用注解之Autowired和Resource注解 bit1129 Spring常用注解
    Spring自从2.0引入注解的方式取代XML配置的方式来做IOC之后，对Spring一些常用注解的含义行为一直处于比较模糊的状态，写几篇总结下Spring常用的注解。本篇包含的注解有如下几个： Autowired Resource Component Service Controller Transactional 根据它们的功能、目的，可以分为三组，Autow
  • mysql 操作遇到safe update mode问题 bitray update
        我并不知道出现这个问题的实际原理,只是通过其他朋友的博客,文章得知的一个解决方案,目前先记录一个解决方法,未来要是真了解以后,还会继续补全.     在mysql5中有一个safe update mode,这个模式让sql操作更加安全,据说要求有where条件,防止全表更新操作.如果必须要进行全表操作,我们可以执行 SET
  • nginx_perl试用 ronin47 nginx_perl试用
    因为空闲时间比较多，所以在CPAN上乱翻，看到了nginx_perl这个项目(原名Nginx::Engine)，现在托管在github.com上。地址见：https://github.com/zzzcpan/nginx-perl 这个模块的目的，是在nginx内置官方perl模块的基础上，实现一系列异步非阻塞的api。用connector/writer/reader完成类似proxy的功能（这里
  • java-63-在字符串中删除特定的字符 bylijinnan java
    public class DeleteSpecificChars { /** * Q 63 在字符串中删除特定的字符 * 输入两个字符串，从第一字符串中删除第二个字符串中所有的字符。 * 例如，输入”They are students.”和”aeiou”，则删除之后的第一个字符串变成”Thy r stdnts.” */ public static voi
  • EffectiveJava--创建和销毁对象 ccii 创建和销毁对象
    本章内容： 1. 考虑用静态工厂方法代替构造器 2. 遇到多个构造器参数时要考虑用构建器（Builder模式） 3. 用私有构造器或者枚举类型强化Singleton属性 4. 通过私有构造器强化不可实例化的能力 5. 避免创建不必要的对象 6. 消除过期的对象引用 7. 避免使用终结方法 1. 考虑用静态工厂方法代替构造器     类可以通过
  • [宇宙时代]四边形理论与光速飞行 comsci
       从四边形理论来推论 为什么光子飞船必须获得星光信号才能够进行光速飞行？    一组星体组成星座  向空间辐射一组由复杂星光信号组成的辐射频带，按照四边形-频率假说  一组频率就代表一个时空的入口    那么这种由星光信号组成的辐射频带就代表由这些星体所控制的时空通道，该时空通道在三维空间的投影是一
  • ubuntu server下python脚本迁移数据 cywhoyi pythonKettlepymysqlcx_Oracleubuntu server
    因为是在Ubuntu下，所以安装python、pip、pymysql等都极其方便，sudo apt-get install pymysql， 但是在安装cx_Oracle（连接oracle的模块）出现许多问题，查阅相关资料，发现这边文章能够帮我解决，希望大家少走点弯路。http://www.tbdazhe.com/archives/602 1.安装python 2.安装pip、pymysql
  • Ajax正确但是请求不到值解决方案 dashuaifu Ajaxasync
    Ajax正确但是请求不到值解决方案   解决方案：1 .     async: false ,    2.     设置延时执行js里的ajax或者延时后台java方法！！！！！！！   例如：   $.ajax({     &
  • windows安装配置php+memcached dcj3sjt126com PHPInstallmemcache
    Windows下Memcached的安装配置方法 1、将第一个包解压放某个盘下面，比如在c:\memcached。 2、在终端（也即cmd命令界面）下输入 'c:\memcached\memcached.exe -d install' 安装。 3、再输入： 'c:\memcached\memcached.exe -d start' 启动。（需要注意的: 以后memcached将作为windo
  • iOS开发学习路径的一些建议 dcj3sjt126com ios
    iOS论坛里有朋友要求回答帖子，帖子的标题是： 想学IOS开发高阶一点的东西，从何开始，然后我吧啦吧啦回答写了很多。既然敲了那么多字，我就把我写的回复也贴到博客里来分享，希望能对大家有帮助。欢迎大家也到帖子里讨论和分享，地址：http://bbs.csdn.net/topics/390920759   下面是我回复的内容：   结合自己情况聊下iOS学习建议，
  • Javascript闭包概念 fanfanlovey JavaScript闭包
    1.参考资料 http://www.jb51.net/article/24101.htm http://blog.csdn.net/yn49782026/article/details/8549462 2.内容概述 要理解闭包，首先需要理解变量作用域问题 内部函数可以饮用外面全局变量 var n=999; 　　functio
  • yum安装mysql5.6 haisheng mysql
    1、安装http://dev.mysql.com/get/mysql-community-release-el7-5.noarch.rpm   2、yum install mysql   3、yum install mysql-server   4、vi /etc/my.cnf   添加character_set_server=utf8
  • po/bo/vo/dao/pojo的详介 IT_zhlp80 javaBOVODAOPOJOpo
        JAVA几种对象的解释 PO:persistant object持久对象,可以看成是与数据库中的表相映射的java对象。最简单的PO就是对应数据库中某个表中的一条记录，多个记录可以用PO的集合。PO中应该不包含任何对数据库的操作. VO:value object值对象。通常用于业务层之间的数据传递，和PO一样也是仅仅包含数据而已。但应是抽象出的业务对象,可
  • java设计模式 kerryg java设计模式
    设计模式的分类：    一、 设计模式总体分为三大类： 1、创建型模式（5种）：工厂方法模式，抽象工厂模式，单例模式，建造者模式，原型模式。 2、结构型模式（7种）：适配器模式，装饰器模式，代理模式，外观模式，桥接模式，组合模式，享元模式。 3、行为型模式（11种）：策略模式，模版方法模式，观察者模式，迭代子模式，责任链模式，命令模式，备忘录模式，状态模式，访问者
  • [1]CXF3.1整合Spring开发webservice——helloworld篇 木头.java springwebserviceCXF
    Spring 版本3.2.10 CXF 版本3.1.1 项目采用MAVEN组织依赖jar 我这里是有parent的pom，为了简洁明了，我直接把所有的依赖都列一起了，所以都没version，反正上面已经写了版本 <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="ht
  • Google 工程师亲授：菜鸟开发者一定要投资的十大目标 qindongliang1922 工作感悟人生
    身为软件开发者，有什么是一定得投资的？ Google 软件工程师 Emanuel Saringan 整理了十项他认为必要的投资，第一项就是身体健康，英文与数学也都是必备能力吗？来看看他怎么说。（以下文字以作者第一人称撰写）） 你的健康 无疑地，软件开发者是世界上最久坐不动的职业之一。 每天连坐八到十六小时，休息时间只有一点点，绝对会让你的鲔鱼肚肆无忌惮的生长。肥胖容易扩大罹患其他疾病的风险，
  • linux打开最大文件数量1,048,576 tianzhihehe clinux
    File descriptors are represented by the C int type. Not using a special type is often  considered odd, but is, historically, the Unix way. Each Linux process has a maximum number of files th
  • java语言中PO、VO、DAO、BO、POJO几种对象的解释 衞酆夼 javaVOBOPOJOpo
    PO:persistant object持久对象 最形象的理解就是一个PO就是数据库中的一条记录。好处是可以把一条记录作为一个对象处理，可以方便的转为其它对象。可以看成是与数据库中的表相映射的java对象。最简单的PO就是对应数据库中某个表中的一条记录，多个记录可以用PO的集合。PO中应该不包含任何对数据库的操作。 BO:business object业务对象 封装业务逻辑的java对象
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他