使用Polyman和Python相結合的方法。

1、Polyman：先從pysiobank中下載到與原始數據相對應的標簽文件，用Pysiobank可以打開文件，然后導出csv文件（即excel表格），將里面的所有標簽改成0、1、2、3、4、5的分類名稱（為了好區分），將movement狀態改成一個接近的狀態，將最后一個標簽刪除。

2、在python中將csv文件轉換成txt文件（在txt文件中標簽以0、1、2、3、4、5的形式出現，一行一個數）

# coding: utf-8 r""" 生成標簽 """ import pandas as pddef main():save_path = '4041_label.txt'file_path = r"C:\Users\10133\Desktop\標簽集\SC4041_label.csv"df = pd.read_csv(file_path)values = df.valuesduration = values[:, 3]label = values[:, 4]result = []for i, d in enumerate(duration):num = d // 30current_label = label[i]item = [current_label] * numresult = result + itemresult = list(map(str, result))content = '\n'.join(result)open(save_path, 'w+').write(content)print()if __name__ == '__main__':main()

3、將上個博客中導出的30s一段的信號根據標簽進行分類，首先第一步是建立訓練集和驗證集，利用代碼建成train和valid兩個文件夾，下面分設六個種類的文件夾（如果嫌麻煩，可以手動建文件夾）本文中使用的方法是將前七個人的數據分成訓練集和驗證集，將第八個人的數據直接用來測試分成六個種類。

# -*- coding:utf-8 -*- # In[1]: import os import shutil import numpy as np#先建立一個數據的文件夾 base_dir = r'C:\Users\10133\Desktop\bishe\matlab\traintest' if os.path.exists(base_dir):shutil.rmtree(base_dir) os.mkdir(base_dir) # 在該路徑下創建目錄#在總的文件夾下自動創建訓練集和驗證集兩個文件夾 train_dir = os.path.join(base_dir, 'train') # 訓練文件夾 os.mkdir(train_dir) test_dir = os.path.join(base_dir, 'valid') # 驗證文件夾 os.mkdir(test_dir)print('主目錄已經建立好了！')#在訓練集文件夾下自動建立六個類別文件夾 train_0_dir = os.path.join(train_dir, '0') os.mkdir(train_0_dir)train_1_dir = os.path.join(train_dir, '1') os.mkdir(train_1_dir)train_2_dir = os.path.join(train_dir, '2') os.mkdir(train_2_dir)train_3_dir = os.path.join(train_dir, '3') os.mkdir(train_3_dir)train_4_dir = os.path.join(train_dir, '4') os.mkdir(train_4_dir)train_5_dir = os.path.join(train_dir, '5') os.mkdir(train_f5_dir)print('類別目錄已經建立好了！')

第二步就是根據標簽將圖片分類（只是分成了五類，但是還沒有分訓練集和驗證集）

# -*- coding:utf-8 -*- # In[1]: import os import shutil import numpy as nptrain_0_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\0' train_1_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\1' train_2_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\2' train_3_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\3' train_4_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\4' train_5_dir = r'C:\Users\10133\Desktop\bishe\matlab\classification\5'original_dataset_dir = r'D:\SC4032jpg'#這個例子用的是4032的例子labelpath = r'C:\Users\10133\PycharmProjects\practice\4032_label.txt'#導入4032的標簽y = np.loadtxt(fname=labelpath, delimiter='\n')print(y[0]) print(y.shape) print('finished!')for i in range(len(y)):if y[i] == 0:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_0_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)elif y[i] == 1:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_1_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)elif y[i] == 2:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_2_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)elif y[i] == 3:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_3_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)elif y[i] == 4:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_4_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)else:src = os.path.join(original_dataset_dir, f"{i + 1}.jpg")dst = os.path.join(train_5_dir, f"{i + 1}.jpg")shutil.copyfile(src, dst)

總結

以上是生活随笔為你收集整理的【2】基于深度神经网络的脑电睡眠分期方法研究（标签导入）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。