数学建模处理数据-面向康复工程的脑电信号分析和判别模型.zip

# OneTime_数学建模处理数据 #### 介绍 数学建模处理数据 #### 软件架构 软件架构说明： labelling.py中的execute函数为总开关 #### 安装教程 1. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl 2. 执行 labelling.py #### 代码用途 S1_train_event表：第一列表示要贴标签的数字序号，如下图，行列序号对应的就是第一列； 第二列表示在S1_train_data表中要贴相应数字的区间。 这里的操作S1-S5均相同。 1.先看S1_train_event(后面简称event表)对数据进行贴标签: 对于char01(B)表，p300电位出现的所在位置为1,8 (第一列第8行，如下图所示),由event表可知,五轮实验分别对应的序号为: 296 (290-330), 1263 (12501290), 1396 (1370-1410), 2004(1970-2010), 2568(2530-2570); 383(370-410),1217(1210-1250), 1700(1690-1730), 2221(2210-2250). 2613(2610-2650); 当遇到如上序号位置所在的区间,则我们用1和8对S1_train_data表（后简称data表）中的数据贴标签,其他区间的贴上0. 对于char02(D)表:p300电位出现的所在位置为1,10,由event表可知:五轮实验分别对应的序号为742,1050,1659,1875、2484; 654,1009,17042225, 2834,当遇到如上序号位置所在的区间,则我们用1和10对data中的数据贴标签,其他区间的贴上0…然后对其余的子表进行一样的操作,再重复完成S1-S5  #### 使用说明 1. 某一次帮别人做数学建模处理数据写的代码，好像开源出来也没啥用，反正挂着看看呗。 2. 下次如果要对excel表操作也可以看看这里的代码。 #### 参与贡献 1. Fork 本仓库 2. 新建 Feat_xxx 分支 3. 提交代码 4. 新建 Pull Request