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。