特征提取，数据集为二维矩阵，脑电信号

特征提取是从原始数据中提取有用信息的过程。对于二维矩阵数据集，特征提取可以包括以下方法：

1. 时域特征提取：从时间序列数据中提取统计量，如均值、标准差、最大值、最小值、方差等。

2. 频域特征提取：通过傅里叶变换将时域信号转换到频域，从频谱图中提取信息，如频率分布、功率谱密度等。

3. 时频域特征提取：通过小波变换将时域信号转换到时频域，从时频图中提取信息，如小波包系数、小波熵等。

对于脑电信号数据集，特征提取可以包括以下方法：

1. 脑电节律特征提取：从频域中提取脑电信号的节律成分，如α波、β波、θ波、δ波等。

2. 时空特征提取：从多通道脑电信号中提取时空特征，如时空相关性、相干性等。

3. 事件相关电位特征提取：从脑电信号中提取事件相关电位（ERP）特征，如P300、N400等。

4. 多模态特征提取：从脑电信号与其他生理信号（如心电信号、眼动信号）中提取多模态特征，如视觉注意度、认知负荷等。

以上仅是一些常见的特征提取方法，具体选择哪些方法需根据实际情况进行综合考虑。