目录 摘 要: 一、问题重述 1.1 问题背景 1.2 问题分析 二、模型假设与符号说明 2.1 模型基本假设 2.2 模型符号说明 三、数据预处理 3.1 去趋势 3.2 滤波 3.3 不平衡样本的重采样 四、问题一:模型建立与求解 4.1 L2 正则化 4.2 卷积神经网络方法 4.3 随机森林方法 4.4 目标的分类识别方法设计 4.5 不同方法的合理性分析 五、问题二:模型建立与求解 5.1 L1 正则化 5.2 单个被试者通道选择算法设计 5.3 所有被试者最优通道组合设计 六、问题三:模型建立与求解 6.1 标签传播算法 6.2 自适应半监督学习 6.2.1 算法实现步骤 6.2.2 算法参数设定 6.2.3 算法识别结果分析 七、问题四:模型建立与求解 7.1 支持向量机方法 7.2 睡眠分期预测模型选择 7.3 训练和测试数据的选择 7.3.1 选取方式 7.3.2 分配比例 7.4 结合分类性能分析模型预测效果 八、参考文献 代码实现 问题一:svm 和 RF 问题一:cnn 问题一:预测 第 3 问:自训练 cnn 第四问:svm 第四问:nn 摘 要: 大脑是人体中高级神经活动的中枢,拥有着数以亿计的神经元,并通过相互连接来传 递和处理人体信息,借助于技术手段对信号进行处理和分析有助于生理健康的判断和神经 性疾病的监测,比如通过机器学习和数据挖掘,对大量数据进行训练学习从而找出规律进 行分类识别,对数据进行反复的训练和测试有利于进一步提高识别精准率,为临床治疗提 供重要的辅助作用。