“华为杯”研究生数学建模竞赛2020年-【华为杯】C题：面向康复工程的脑电信号分析和判别模型（附优秀论文及MATLAB代码）

目录

摘 要：

1．问题重述

1.1 问题背景

1.2 问题提出

3．符号说明

4．问题一的模型建立与求解

4.1 问题一的分析

4.2 模型建立

4.2.1 数据降噪

4.2.2 冗余数据去除

4.2.3 数据标签的制作

4.2.4 基于随机森林的分类问题算法

4.3 模型的求解

4.3.1 平衡训练数据种类

4.3.2 实验结果

4.3.3 简单的对比实验

5．问题二的模型建立与求解

5.1 问题二的分析

5.2 模型建立

5.3 模型的求解

5.4 基于 EP 算法的贝叶斯回归学习算法

6．问题三的模型建立与求解

6.1 问题三的分析

6.2 模型的建立

6.2.1 半监督学习支持向量机（S3VM）方法

6.2.2 模型的求解

6.3 实验情况

七．问题 4 的模型建立与求解

7.1 问题分析

7.2 SVM 模型

7.2.1 模型建立

7.2.2 模型求解

7.3 LGBM 模型

7.3.1 模型建立

7.3.2 模型求解

7.4 随机森林模型

8．模型的总结与评价

8.1 模型的优点

8.2 模型的缺点

9．参考文献 

代码实现

 1.滤波器设计代码（matlab）：

 2.随机森林预测模型（python 3.8）：

 3.基于 EP 的稀疏贝叶斯回归代码实现（python3.8）

 4.LGBM SVM 算法（python）

---

 

摘 要：

脑电信号的识别和分类是脑机接口技术中非常重要的一环，使用者无需通过复杂训

练就可以获得较高的识别准确率，具有稳定的锁时性和高时间精度特性。本文使用 基于

监督学习的随机森林， SVM 算法，半监督学习 S 3 VM 等算法，以较高的分类准确度，完

成了对