# P300-BCI-Data-Analysis
2020年研究生数学建模竞赛C题，分析脑机接口数据进行分析预测。The data of BCI were analyzed and predicted.
# 问题一：
对数据进行预处理后，选择FastICA的空间滤波方法，结合叠加平均法提取特征；使用多种分类器SVM、RandomForest、Bagging、Adaboost等结合5折交叉验证，根据分类精度度量结果选择最优分类模型。
# 问题二：
使用随机森林算法，得到针对个体和所有受试者的最优通道组合。
# 问题三：
设置一个标签丢失比例η，进行随机丢失标签的数据处理操作。在验证集上对半监督学习算法和原始的adaboost算法进行了算法对比。
# 问题四：
利用时间窗滑动对原始数据集进行采样。随后，在原始采样数据的基础上对每个波进行特征提取以及数据集的划分。之后，利用SVM构建多分类任务，交叉验证调整参数，使得精度达到最优。最终，使用SVM分类器进行睡眠分期预测的精度达到83%以上。
2020年研究生数学建模竞赛C题，全国二等奖，分析脑机接口数据进行分析预测
版权申诉
130 浏览量
2023-10-22
20:24:37
上传
评论
收藏 1.12MB ZIP 举报
2020年研究生数学建模竞赛C题，全国二等奖，分析脑机接口数据进行分析预测。ThedataofBCIwereanalyzedandpredicted..zip （15个子文件） 
P300-BCI-Data-Analysis-master 
C-2.2.ipynb 66KB C-4-2.ipynb 124KB label-result.csv 22KB
2020年C题--面向康复工程的脑电信号分析和判别模型.docx 903KB C-2.1.ipynb 51KB ss.md 37B
c2_2.xlsx 8KB unrar.ipynb 8KB 附件2-睡眠脑电数据.xlsx 112KB C-1-0.ipynb 46KB C-1-1.ipynb 35KB C-3.ipynb 95KB C-4-1.ipynb 32KB C-1-much-plot.ipynb 22KB README.md 1KB资源评论
