Trained Svms

These SVMs are needed to run 3 out of 4 implementations of neonatal seizure detection algorithms (https://github.com/ktapani/Neonatal_Seizure_Detection).

The fullSVM_XXXs are trained on all data in https://zenodo.org/record/1280684#.Wxh3QkiFNaQ, and can be used to detect seizures in new EEG data.

The svmXXXs are trained on cross validated data and can be used to reproduce results presented in:

K. Tapani, S. Vanhatalo and N. Stevenson, Time-varying EEG correlations improve automated neonatal seizure detection, International Journal of Neural Systems. (accepted for publication)

本数据集依赖的支持向量机（Support Vector Machine，SVM）可运行4种新生儿癫痫发作检测算法实现中的3种（项目仓库地址：https://github.com/ktapani/Neonatal_Seizure_Detection）。

fullSVM_XXXs 基于https://zenodo.org/record/1280684#.Wxh3QkiFNaQ 收录的全部数据完成训练，可用于对新的脑电图（Electroencephalogram，EEG）数据开展癫痫发作检测。

svmXXXs 基于交叉验证数据集进行训练，可用于复现下述文献的实验结果：

K. Tapani、S. Vanhatalo 与 N. Stevenson：《时变脑电图相关性提升自动化新生儿癫痫发作检测性能》，发表于《国际神经系统杂志》（已录用待刊）。